leetcode152题之动态规划

动态规划

动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision
process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep
decision process)的优化问题时，提出了著名的最优化原理(principle of
optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。1957年出版了他的名著《Dynamic
Programming》，这是该领域的第一本著作。

以上引用百度百科。

个人理解动态规划是寻求最优解的一个很好的办法，将一个大的问题分解成小的问题，然后求解。

题目

给定一个整数数组 nums ，找出一个序列中乘积最大的连续子序列（该序列至少包含一个数）。

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。

分析

这道题的关键点在于连续，我们可以遍历数组，取当前元素与之前的积作积和当前元素做比较，取其大值，抽象成函数：f(x) = max(re * x,x);

尽管此处分析出了关键，但上面的题仍有难度，我们将上面的题简化下，我们不考虑负数的情况了，但是需要考虑分数的情况（不然此题没有意义了）。

代码实现

	/**
     * 求非负集合的最大连续积序列
     * @param arr
     * @return
     */
    public double maxNoLessZero(double [] arr){
		// 当前最大积
        double currMax = 1;
        // 最大积
        double max = 0;

        for (int i = 0; i < arr.length; i++) {
        	// 求出当前最大积
            currMax = Math.max(currMax * arr[i],arr[i]);
            // 求出最大积
            max = Math.max(max,currMax);
        }
        return max;
    }

刚才在上面我们已经抽象出了函数f(x) = max(f(x-1) * x,x)了，要找到最大的序列积，只需要求出max(f(x))即可了。

现在我们来求最开始的那道题的解了，那道题与上面代码实现的题有两个差异：

1. 集合是整数集合，不存在分数
2. 集合元素可以为负

问题的关键点在于处理负数，假设当前元素为负，那么他的前一个元素的序列积的最小值与其相乘才能获得最大积，所以不仅要记录当前元素的最大连续序列积，还要同时记录当前元素的最小连续序列积。

代码实现

	 /**
     * 求最大序列的积
     * @param arr
     * @return
     */
    public int max(int [] arr){
        int max = Integer.MIN_VALUE;
        int currMax = 1;
        int currMin = 1;
        for (int i = 0; i < arr.length; i++) {
            if (arr[i] <0){
                int temp = currMin;
                currMin = currMax;
                currMax = temp;
            }
            currMax = Math.max(currMax * arr[i],arr[i]);
            currMin = Math.min(currMin * arr[i],arr[i]);
            max = Math.max(currMax,max);
        }
        return max;
    }

上面的代码故意没写特别详细的注释，目的是让你自己细细体会，因为算法题的重点是理解其思想，哪怕是忘了，以后再看也能很快想起来其思想，至于其细节只要不断调试就好了。

扫码关注个人公众号