LeetCode OJ Maximum Product Subarray

Find the contiguous subarray within an array (containing at least one number) which has the largest product.

For example, given the array [2,3,-2,4],
the contiguous subarray [2,3] has the largest product = 6.

用Max[i]和Min[i]分别表示以A[i]结尾的连续最大积子序列和连续最小积子序列，那么有以下递推式：

Max[i] = max(A[i], Max[i - 1] * A[i], Min[i - 1] * A[i])，注意当A[i]是负数的时候，越小的值与其相乘能得到尽量大的值，在某些情况下，单独的子序列A[i]是最大的，类似的有：

Min[i] = min(A[i], Max[i - 1] * A[i], Min[i - 1] * A[i])，最后在Max[]中找到最大值即可。

class Solution {
public:
    int maxProduct(int A[], int n) {
        vector<int> Max(n), Min(n);
        int ans = A[0];
        Max[0] = Min[0] = A[0];
        for (int i = 1; i < n; i++) {
            Max[i] = max(A[i], max(Max[i - 1] * A[i], Min[i - 1] * A[i]));
            Min[i] = min(A[i], min(Max[i - 1] * A[i], Min[i - 1] * A[i]));
            if (Max[i] > ans) ans = Max[i];
        }
        return ans;
    }
};

后来看到了一种省空间的方法，其实原理是一样的：

https://oj.leetcode.com/discuss/11852/share-c-code-with-dp-o-1-space-o-n-time

class Solution {
public:
    int maxProduct(int A[], int n) {
        if (n == 1) return A[0];
        int pMax = 0, nMax = 0, m = 0;
        for (int i = 0; i < n; i++) {
            if (A[i] < 0) swap(pMax, nMax);
            pMax = max(pMax * A[i], A[i]);
            nMax = min(nMax * A[i], A[i]);
            m = max(m, pMax);
        }
        return m;
    }
};

在这里，pMax表示以A[i]结尾的连续最大绝对值正数积子序列的值，nMax表示A[i]结尾的连续最大绝对值负数积子序列的值，当遇到A[i]是负数的时候将pMax和nMax交换确保得到的新pMax和nMax是符合原意的。

另外要注意A[] = {-2}的情况。