问题描述
给你一个整数数组 nums
,请你找出数组中乘积最大的连续子数组(该子数组中至少包含一个数字),并返回该子数组所对应的乘积。
示例 1:
输入: [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
示例 2:
输入: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/maximum-product-subarray
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
法I:动态规划——二维memo
(超时了)
很好理解的二维memo
,我来直接上一下代码吧:
//法I:动态规划(二维memo)——超出时间限制——二重循环O(n^2)
class Solution {
public:
int maxProduct(vector<int>& nums) {
int maxPro = nums[0];
vector<vector<int>> memo(nums.size(), vector<int>(nums.size()));
for (int n = 1; n <= nums.size(); n++) {//n为子数组长度
for (int i = 0; i + n - 1 < nums.size(); i++) {
int j = i + n - 1;
if (i == j) {
memo[i][j] = nums[i];
}
else {
memo[i][j] = memo[i][j - 1] * nums[j];
}
maxPro = max(maxPro, memo[i][j]);
}
}
return maxPro;
}
};
法II:动态规划(一维memo
——未优化内存)
代码:
class Solution {
public:
int maxProduct(vector<int>& nums) {
vector<int> memoMax(nums);//记录以这个元素结尾的子数组的最大乘积
vector<int> memoMin(nums);//记录以这个元素结尾的子数组的最小乘积
int maxPro = nums[0];
for (int i = 1; i < nums.size(); i++) {
memoMax[i] = max(memoMin[i - 1] * nums[i], max(memoMax[i - 1] * nums[i], nums[i]));
memoMin[i] = min(memoMax[i - 1] * nums[i], min(memoMin[i - 1] * nums[i], nums[i]));
maxPro = max(maxPro, memoMax[i]);
}
return maxPro;
}
};
执行结果:
联想:最大子序和
我们想到了之前做的一道题:最大子序和。是要找出连续子数组的和最大的情况。对于那个题,我们确定的递推关系为:memo[i]=max(memo[i-1]+nums[i],nums[i])
。在这道题里面已经不适用了。原因是违反了最优子结构的性质。
法III:动态规划(常数级空间复杂度——优化内存之后)
其实在知道递归关系之后就很容易对内存进行优化了。我们这里直接给出官方代码吧:
class Solution {
public:
int maxProduct(vector<int>& nums) {
int maxF = nums[0], minF = nums[0], ans = nums[0];
for (int i = 1; i < nums.size(); ++i) {
int mx = maxF, mn = minF;
maxF = max(mx * nums[i], max(nums[i], mn * nums[i]));
minF = min(mn * nums[i], min(nums[i], mx * nums[i]));
ans = max(maxF, ans);
}
return ans;
}
};