分析
一开始的想法其实没有错,先计算整个数组中负数的个数,看是奇数个还是偶数个;
若是偶数个,很简单,挨个乘就是了;
但若是奇数,就需要去检查当前是第几个负数等,代码写起来非常之麻烦;
其实这题和最大子序和有些类似,但是因为是乘法导致负数的影响很大;
其实也是和本身比较,要是乘积还没有自己大的话,说明上一个乘积最大子序肯定是负数,因此要另起炉灶;
多个正数的乘积的结果,也就是最大乘积遇到负数后,应当变成了最小乘积,再次遇到负数的时候,就再次变为最大; 我们需要同时维护:乘积最大子序和,乘积最小子序和;
而且动态规划的特点是“无后效性”:
无后效性是指如果在某个阶段上过程的状态已知,则从此阶段以后过程的发展变化仅与此阶段的状态有关,而与过程在此阶段以前的阶段所经历过的状态无关。利用动态规划方法求解多阶段决策过程问题,过程的状态必须具备无后效性。
因此其实我们无需建立dp数组,只需当前的状态即可,不需要之前的状态了;
代码
class Solution {
public:
int maxProduct(vector<int>& nums) {
int res = INT_MIN;
int curr_max,curr_min;
curr_max = 1;
curr_min = 1;
for(int i=0;i<nums.size();i++)
{
if(nums[i]<0)
{
int tmp = curr_max;
curr_max = curr_min;
curr_min = tmp;
}
curr_max = max(curr_max*nums[i],nums[i]);
curr_min = min(curr_min*nums[i],nums[i]);
res = max(res,curr_max);
}
return res;
}
};