刷题篇--最大子序和、乘积最大子数组

1.最大子序和

leetcode 53. 最大子序和，是经典动态规划问题。题目要求给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。如[-2,1,-3,4,-1,2,1,-5,4]，连续子数组为[4,-1,2,1]和最大为6。
动态规划问题主要是写成转移方程，该题要做的选择是dp[i]要选择当前的nums值还是选择dp[i-1]+nums[i]，是上一步加上当前nums更大还是目前的nums更大。
算法流程：

• 动态规划遍历数组，构造dp矩阵
• dp[i-1] >= 0，可以把 nums[i] 直接接在 dp[i - 1] 的后面
• dp[i - 1] < 0，则加上前面的数反而越来越小了，于是进行更新，单独的一个 nums[i]就是 dp[i]

def maxSubArray(nums):
	if not nums: return 0
	
	dp = [0]*len(nums)
	dp[0] = nums[0]
	
	for i in range(1, len(nums)):
		dp[i] = max(nums[i], dp[i-1] + nums[i])
	return max(dp)

2.乘积最大子数组

leetcode 152. 乘积最大子数组，该题要求：给定一个整数数组 nums ，找出数组中乘积最大的连续子数组，并返回该子数组所对应的乘积。
该题与最大子序和比较像，是同一类DP问题，但是需要注意一个问题，负负为正，最大的乘上负数变成最小、而最小的乘上负数变最大，例如[-2, 4, -3]，-2*4本是最小的，但是遇到-3就变成了最大的。所以我们不能丢弃最小值，因为它没准就成了最大值。
算法流程：

• 遍历数组，构造二维dp矩阵，分别保存最大值和最小值
• 分别记录得到的最大值、最小值，以及和nums[i]的比较，是否需要另起炉灶；如对于最大值，dp[i-1]<0，nums[i]>0，此时乘上不如不乘，需另起炉灶从nums[i]开始
• 返回最大值

def maxProduct(nums):
	if not nums: return 0

	dp = [[0]*2 for _ in range(len(nums))]    #二维矩阵分别记录最大、最小值
	dp[0][0], dp[0][1] = nums[0], nums[0]
	res = nums[0]

	for i in range(1, len(nums)):
		dp[i][0] = max(dp[i-1][0]*nums[i], nums[i], dp[i-1][1]*nums[i])
		dp[i][1] = min(dp[i-1][0]*nums[i], nums[i], dp[i-1][1]*nums[i])	
		res = max(res, dp[i][0])	
	return res

当然，我们不需要一直去维护dp矩阵，只需要一直记录最大、最小值即可。优化如下：

def maxProduct(nums):
	if not nums: return 0

	maxp = nums[0]
	minp = nums[0]
	res = nums[0]

	for i in range(1, len(nums)):
		t = maxp
		maxp = max(maxp*nums[i], nums[i], minp*nums[i])
		minp = min(t*nums[i], nums[i], minp*nums[i])    #这里必须用t,因为上一步maxp发生了变化	
		res = max(res, maxp)	
	return res