leetcode 53&152

Maximum Subarray & Maximum Product Subarray

这两个题目比较相似，我们可以先来看一下两个题目：


这两个题目都需要求得子数组相应的最大值，第一个是子数组的和，第二个是子数组的乘积。这个问题可以延伸到类似于这样求子数组的问题中去。
该类问题我采用的是动态规划的算法来解决。

53

这道题中，如需求得 到原数组第i个元素为止，能够得到的子数组最大和，那么就只需通过加和 到第i-1个元素为止的子数组最大和加上第i个元素，或者是第i个元素本身。即：

f(i) = max(f(i-1) + nums[i], nums[i]) 其中f(i)表示原数组到第i个元素为止，能够得到的子数组最大和，nums[i]表示原数组的第i个元素。如此我们就得到了这样的子问题求解方式，就可以运用递归或动态规划方式来解决。运用递归的方法在这里就不展示代码了，这里只写一下使用一个数组来保存f(i)，能够方便f(i+1)来调用的方法：

int maxSubArray(int *nums, int numsSize) {
	int *temp = (int*)malloc(sizeof(int)*numsSize);
	temp[0] = nums[0];
	for (int i = 1; i < numsSize; i++) {
		if (temp[i - 1] <= 0) temp[i] = nums[i];
		else temp[i] = temp[i - 1] + nums[i];
	}
	int max = temp[0];
	for (int i = 1; i < numsSize; i++) {
		if (temp[i] > max)	max = temp[i];
	}
	return max;
}

这个代码非常简洁，其核心思想就是用temp数组来存储f(i)，使得temp数组中存储的是其对应下标的最大子数组和，而迭代的核心则是，在计算temp[i]时，若发现temp[i-1]小于等于0，则直接拷贝nums[i]到temp[i]中；若大于0，则将nums[i] + temp[i-1]加入到temp[i]中，并以次法迭代。
对temp数组进行更新后，遍历数组，找出最大值，输出。

152

这个题我们也可以参考前面的思想，但是需要做一些改动。在求和问题中，我们可以通过前一个的状态来做出判定，但是在乘积问题中，有可能出现，负负得正的情况，会使得原来比较小的值，直接因为符号的转换而变成较大的值。因此在这个问题中，我们不仅要记录最大的乘积，而且还要记录最小的乘积（这些乘积往往为负值或者0）,最后，为了省去最后一轮的遍历求最大值，我们也可以准备一个结果数组，具体的代码如下：

int maxProduct(int* nums, int numsSize) {
	int *tempMax = (int*)malloc(sizeof(int)*numsSize);
	int *tempMin = (int*)malloc(sizeof(int)*numsSize);
	int max;
	tempMax[0] = tempMin[0] = max = nums[0];
	for (int i = 1; i < numsSize; i++) {
		int tempMaxValue = nums[i] * tempMax[i - 1];
		int tempMinValue = nums[i] * tempMin[i - 1];
		tempMax[i] = Max(tempMaxValue, tempMinValue, nums[i]);
		tempMin[i] = Min(tempMaxValue, tempMinValue, nums[i]);
		if (tempMax[i] > max) max = tempMax[i];
	}
	return max;
}

其中Max和Min是表示求三个值中的最大值和最小值，在这里不给出具体代码了。