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:
- 集合是整数集合,不存在分数
- 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。