动态规划：力扣152. 乘积最大子数组

1、题目描述：

2、题解：

动态规划：

动态规划问题，弄清楚三点：
1、重复子问题；
2、最优子结构；
3、无后效性。

动态规划：
1、状态定义；
2、状态转移方程；
3、初始化；base case
4、输出；
5、思考状态压缩。

可以用递归去求，但是会存在重叠子问题，加个备忘录可以解决重复问题。
思路：

状态定义：
dp[i][0]：以 nums[i] 结尾的连续子数组乘积的最小值
dp[i][1]：以 nums[i] 结尾的连续子数组乘积的最大值

状态转移方程：
一次遍历：
    如果nums[i] > 0:
        dp[i][0] = min(dp[i - 1][0] * nums[i],nums[i]),
        最小值是上个状态的最小值与nums[i]的乘积，与nums[i]的最小值
        dp[i][1] = max(dp[i - 1][1] * nums[i],nums[i])
        最大值是上个状态的最大值与nums[i]的乘积，与nums[i]的最大值
    如果nums[i] <= 0:
        与上面的状态转移方程相反，
        dp[i][0] = min(dp[i-1][1] * nums[i],nums[i])
        最小值是上个状态的最大值与nums[i]的乘积，与nums[i]的最小值
        dp[i][1] = max(dp[i-1][0] * nums[i],nums[i])
        最大值是上个状态的最小值与nums[i]的乘积，与nums[i]的最大值
    更新res
初始化：
dp[0][0] = dp[0][1] = nums[0]，解释：以nums[0]结尾的连续子数组的乘积的最大值和最小值都是nums[0]

Python代码如下：

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        # 动态规划
        lens = len(nums)
        if lens == 0:
            return 0
        if lens == 1:
            return nums[0]
        # dp[i][0]：以 nums[i] 结尾的连续子数组的最小值
        # dp[i][1]：以 nums[i] 结尾的连续子数组的最大值            
        dp = [[0] * 2 for _ in range(lens)]
        dp[0][0] = nums[0]
        dp[0][1] = nums[0]
        res = dp[0][1]
        for i in range(1,lens):
            if nums[i] >= 0:
                dp[i][0] =min(dp[i-1][0] * nums[i],nums[i])
                dp[i][1] = max(dp[i-1][1] * nums[i],nums[i])
            else:
                dp[i][0] = min(dp[i-1][1] * nums[i],nums[i])
                dp[i][1] = max(dp[i-1][0] * nums[i],nums[i])
            res = max(res,dp[i][1])
        return res  

状态压缩：
上面的空间复杂度为O(N),可以进一步把空间缩为O(1)
也即，令imax,imin分别为以nums[i]为结尾的连续子数组的成绩的最大值和最小值

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        #动态规划，节省空间
        res = float('-inf')
        imax,imin = 1,1
        for i in range(len(nums)):
            if nums[i] < 0:
                imax,imin = imin,imax
            imax = max(imax * nums[i],nums[i])
            imin = min(imin * nums[i],nums[i])
            res = max(res,imax)
        return res

3、复杂度分析：

时间复杂度：O(N)
空间复杂度：O(N)