LeetCode----Maximum Subarray (E) / Maximum Product Subarray (M)

这次写两道有些类似的题目的分析。

1 题目

53. Maximum Subarray  (Easy)

点击打开链接

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

For example, given the array [-2,1,-3,4,-1,2,1,-5,4],
the contiguous subarray [4,-1,2,1] has the largest sum = 6.

152. Maximum Product Subarray    (Medium)                   

点击打开链接

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.

2 分析和代码

    （1）求最大子序列和

     方法一：遍历一遍array，用一个变量保存当前位置的最大和（局部），再筛选出全局最大和。该方法叫做Kadane算法，时间复杂度为O(n), 空间复杂度为O(1)

                    使用该方法也可以比较容易得到该子序列的开始和结束的位置。

    代码如下：

                   

int Max(int a, int b) {
    return a > b ? a : b;
}

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        //maxSumLocal局部的最大和，maxSum记录全局最大和
        int maxSumLocal = nums[0],
            maxSum = nums[0];
        
        if(nums.size() ==  1) return nums[0];
        
        for(int i = 1; i < nums.size(); i++) {
            maxSumLocal = Max(maxSumLocal + nums[i], nums[i]);
            maxSum = Max(maxSumLocal, maxSum);
        }
        
        return maxSum;
    }
};

     方法二：将该问题看成一个动态规划问题

                   Base case： 建立一个与原数列A长度相同的数列dp，dp中的每一个值dp[i]表示以位置i为终点的子数列的最大和。

                   Induction case： 如果dp[i-1]>0,那么dp[i]=dp[i-1]+A[i]；否则dp[i]=A[i]。dp中的最大值就是最大连续子数列之和。

                   该方法的时间复杂度和空间复杂度都为O（n）

                 

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int>& dp = nums;
        
        int maxSum = nums[0];
        
        if(nums.size() ==  1) return nums[0];
        
        for(int i = 1; i < nums.size(); i++) {
            if(dp[i - 1] >= 0 )
                dp[i] = dp[i - 1] + nums[i];
            
            else dp[i] = nums[i];
            if(dp[i] > maxSum)
                maxSum = dp[i];
        }
        
        return maxSum;
    }
};

     附上该问题的维基百科链接：点击打开链接

    

     （2）最大子序列乘积

              最大子序列乘积和最大子序列和的不同地方在于，在乘法里，最小的负数*负数也可以产生最大的乘积，因此参考最大子序列和的方法一，考虑增加一个变量存储局部的最小值。代码如下：

int Max(int a, int b) {
    return a > b ? a : b;
}

int Min(int a, int b) {
    return a < b ? a : b;
}

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        //需要同时记录局部最大值和局部最小值，因为乘法的负数*负数也可以产生最大的乘积
        int maxLocal = nums[0],
            minLocal = nums[0];
            
        int maxPro = nums[0];
        
        if(nums.size() ==  1) return nums[0];
        
        for(int i = 1; i < nums.size(); i++) {
            int tmp = maxLocal;
            maxLocal = Max(Max(maxLocal * nums[i], nums[i]), minLocal * nums[i]);
            minLocal = Min(Min((tmp * nums[i]), nums[i]), minLocal * nums[i]);
            
            maxPro = Max(maxPro, maxLocal);
        }
        return maxPro;
        
    }
};

3 总结

     

      多尝试，多思考。

      第一题放在了分治算法的分支下，但个人觉得用分治算法太过于繁琐，在这道题里不适合，当然还是值得思考。