题目:
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
.
方法一:
假设数组中没有0,将所有的元素相乘,如果结果是正数,那么最大积就是它;如果结果是负数,那么我们可以通过删除数组中仅有一个负数的前缀或者后缀,剩下部分相乘就是最大乘积。比如 [2, 3, -2, 4] 的所有元素的乘积是-48小于0,那么删除后缀[-2, 4]后元素的积为6,这就是最大积(我们总是删除仅包含一个负数的前缀或者后缀中积较大的部分,这里前缀的积为2*3*(-2)=-12 < 后缀积-8,所以删除后缀更优)。
这种方法一定要确保数组中没有0,因此,代码先把0作为分隔符,将数组nums分成一个个不包含0元素的子数组,在通过上面的方法求取最大积,返回这些最大积的最大值即可。当然,如果求出的最大积小于0,那么判断nums中有没有0,如果有0,那么返回0;如果没有0,没办法,最大积就是负数。
class Solution {
private:
//对于没有0的数组,将所有的元素相乘,如果积大于0,那么返回这个最大积;如果积小于0,那么需要去掉最边上的一个负数
int maxProduct(vector<int>& nums, int start, int end)
{
if (end - start == 1)
{
//只包含一个元素,返回之
return nums[start];
}
//从前往后找到连续正数的积(product1);
//从后往前找到连续正数的积(product2).
//所有数的积是product
int product1 = 1, product2 = 1;
int product = 1;
int i = start, j = end - 1;
for (i = start; i < end; ++i)
{
product1 *= nums[i];
if (nums[i] < 0)
{
break;
}
}
product *= product1;
for (j = end - 1; j >= i; --j)
{
product2 *= nums[j];
if (nums[j] < 0)
{
break;
}
}
product *= product2;
if (j == i && i < end) product /= nums[i];//重复乘了一次nums[i]
for (int k = i + 1; k < j; ++k)
{
product *= nums[k];
}
if (product > 0)
{
return product;
}
else
{
if (product1 > product2)
{
return product / product1;
}
else
{
return product / product2;
}
}
}
public:
int maxProduct(vector<int>& nums) {
if (nums.empty())
{
return 0;
}
//遍历,处理被0分割出来的子数组
nums.push_back(0);//最后加一个0,为了end
int start = 0;
bool hasZero = false;
int res = INT_MIN;
for (int end = start; end < nums.size(); ++end)
{
if (nums[end] == 0)
{
if (end != nums.size() - 1) hasZero = true;
if (end > start) //防止出现连续的0
{
int product = maxProduct(nums, start, end);
res = max(product, res);
}
start = end + 1;
}
}
if (res < 0 && hasZero)
{
return 0;
}
return res;
}
};
方法二:
还记得传说中的最大连续子数组的和问题么?本题可以采用类似的方法解决——动态规划。
(1)介绍一下最大连续子数组的和问题的解法吧,维护两个变量,当前最大和与全局最大和。考虑一个新元素,如果当前和小于0,那么加入新元素后必然更小,此时应当用新元素代替当前和(新元素作为子数组的起始);如果当前和大于0,那么加上新元素更新当前和。最后每次判断并更新全局最大和即可。如果此刻写出转移方程式如下:
local[i + 1] = Max(local[i] + A[i], A[i]);
global[i + 1] = Max(local[i + 1], global[i]);
(2)回归本题,亦需要维护当前乘积和全局最大乘积,由于新元素可正可负,所以要想得到并更新当前最大乘积,必须维护当前最大乘积(针对新元素大于0)和当前最小乘积(针对新元素小于0)。写出转移方程式如下:
max_copy[i] = max_local[i]
max_local[i + 1] = Max(Max(max_local[i] * A[i], A[i]), min_local * A[i])
min_local[i + 1] = Min(Min(max_copy[i] * A[i], A[i]), min_local * A[i])
class Solution {
public:
int maxProduct1(vector<int>& nums) {
if (nums.empty())
{
return 0;
}
int global = nums[0], local_max = nums[0], local_min = nums[0];
for (int i = 1; i < nums.size(); ++i)
{
int temp = local_max;
local_max = max(nums[i], max(local_max * nums[i], local_min * nums[i]));
local_min = min(nums[i], min(temp * nums[i], local_min * nums[i]));
global = max(global, local_max);
}
return global;
}
};