重点:
(1)动态规划:最优子结构和子问题重叠性质;
(2)根据问题的性质,容易得出dp[i]为当前i个元素的乘积最大值。同时维护Fmax和Fmin两个数据,来判断当前位置的最优解;
(3)优化的时候维护两个数,需要注意每次把这两个数提前保存下来,参与更新。
难度中等1724
给你一个整数数组 nums
,请你找出数组中乘积最大的非空连续子数组(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。
测试用例的答案是一个 32-位 整数。
子数组 是数组的连续子序列。
示例 1:
输入: nums = [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: nums = [-2,0,-1] 输出: 0 解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
提示:
1 <= nums.length <= 2 * 104
-10 <= nums[i] <= 10
nums
的任何前缀或后缀的乘积都 保证 是一个 32-位 整数
解析:
首先,依据题意,数组中最少有一个数字,并且结果肯定是一个int能够表示的。
像最长公共子序列一样,这个具有比较明显的动态规划的特征,即最优子结构性质。
容易想到,当前Fmax(i)跟Fmax(i-1)有关,应该为max( Fmax(i-1)*nums[i],nums[i] )。但由于前面可能是负数乘积,如果当前nums[i]也是一个负数,那么乘起来就会变成正的数,而这个数很可能是当前位置的最优解。那么我们就需要维护一个最小的Fmin(i-1)和一个最大的Fmax(i-1),然后来判断当前位置的最大值Fmax(i)。
代码:
class Solution {
public:
int maxProduct(vector<int>& nums) {
int len=nums.size();
vector<int> Fmax(nums),Fmin(nums);
for(int i=1;i<len;i++){
//此处Fmax不能取Fmax[i-1],那样就断了,当前nums[i]不参与后面最值组成
Fmax[i]=max(Fmax[i-1]*nums[i],max(Fmin[i-1]*nums[i],nums[i]));
Fmin[i]=min(Fmax[i-1]*nums[i],min(Fmin[i-1]*nums[i],nums[i]));
}
return *max_element(Fmax.begin(),Fmax.end());
}
};
优化:i只与i-1位置的最值有关,所以只存两个值即可:
class Solution {
public:
int maxProduct(vector<int>& nums) {
int len=nums.size();
if(len==1)
return nums[0];
int Fmax=nums[0],Fmin=nums[0];
int ans=nums[0];
for(int i=1;i<len;i++){
int mx=Fmax,mn=Fmin;
Fmax=max(mx*nums[i],max(mn*nums[i],nums[i]));
Fmin=min(mx*nums[i],min(mn*nums[i],nums[i]));
ans=max(Fmax,ans);
}
return ans;
}
};