LeetCode-152. 乘积最大子数组【数组 动态规划】

LeetCode-152. 乘积最大子数组【数组 动态规划】

题目描述:

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。

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

解题思路一:动态规划五部曲:定推初遍举

  1. dp定义
    以下标 i 结尾的连续子序列的乘积的最大值。
    牢记状态的定义,一定以下标 i 结尾,即:乘积数组中 nums[i] 必须被选取。
    • 如果 dp[i - 1] 是负数,乘上 nums[i] 还是负数,倒不如另起炉灶。
    • 如果 nums[i] 是负数该怎么办呢?dp[i - 1] 是正数的时候,越乘越小,dp[i - 1] 是负数的时候,越乘越大,于是我们可能就需要记录一下负数的那个最小数。

遇到这样的问题,其实就在提示我们状态不够用了。因此,需要在原来的一维 dp 后面新增一个状态。

针对这道题,第 2 维状态只需要两个:

  • 用 0 表示遍历的过程中得到的以 nums[i] 结尾的连续子序列的乘积的最小值;
  • 用 1 表示遍历的过程中得到的以 nums[i] 结尾的连续子序列的乘积的最大值。

当 nums[i] = 0 的时候包含在上面二者之中,无需单独讨论。

状态转移方程写在了参考代码 1 中。即使用二维状态数组同时记录乘积的最大值和最小值,本来写了一堆文字的,后来看太长了,好多废话,直接看代码比较清楚一些。

这里就声明一下状态:

dp[i][1] 表示:以 nums[i] 结尾的连续子序列的乘积的最大值;

dp[i][0] 表示:以 nums[i] 结尾的连续子序列的乘积的最小值。

  1. 推导公式
python 复制代码
if nums[i] >= 0:
                dp[i][1] = max(nums[i], dp[i-1][1] * nums[i])
                dp[i][0] = min(nums[i], dp[i-1][0] * nums[i])
            else:
                dp[i][1] = max(nums[i], dp[i-1][0] * nums[i])
                dp[i][0] = max(nums[i], dp[i-1][1] * nums[i])
  1. 初始化
python 复制代码
dp = [[0, 0] for _ in range(n)]
        dp[0][0] = nums[0]
        dp[0][1] = nums[0]
  1. 遍历顺序,显然是从前往后
python 复制代码
for i in range(1, n):
  1. 举例
python 复制代码
class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        n = len(nums)
        if n == 0:
            return 0
        dp = [[0, 0] for _ in range(n)]
        dp[0][0] = nums[0]
        dp[0][1] = nums[0]
        for i in range(1, n):
            if nums[i] >= 0:
                dp[i][1] = max(nums[i], dp[i-1][1] * nums[i])
                dp[i][0] = min(nums[i], dp[i-1][0] * nums[i])
            else:
                dp[i][1] = max(nums[i], dp[i-1][0] * nums[i])
                dp[i][0] = min(nums[i], dp[i-1][1] * nums[i])
        # print(dp)
        ans = dp[0][1]
        for i in range(1, n):
            ans = max(ans, dp[i][1])
        return ans

时间复杂度:O(n)

空间复杂度:O(n)

解题思路二:因为每一个状态只与前一个状态有关,可以使用「滚动变量」技巧,使用常数个变量完成这道问题。

python 复制代码
class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        n = len(nums)
        if n == 0:
            return 0
        # dp = [[0, 0] for _ in range(n)]
        # dp[0][0] = nums[0]
        # dp[0][1] = nums[0]
        preMax = nums[0]
        preMin = nums[0]
        curMax = preMax
        curMin = preMin
        ans = nums[0]
        for i in range(1, n):
            if nums[i] >= 0:
                curMax = max(nums[i], preMax * nums[i])
                curMin = min(nums[i], preMin * nums[i])
            else:
                curMax = max(nums[i], preMin * nums[i])
                curMin = min(nums[i], preMax * nums[i])
            ans = max(ans, curMax)
            # 滚动变量
            preMax = curMax
            preMin = curMin
        return ans

时间复杂度:O(n)

空间复杂度:O(1)

解题思路三:0

python 复制代码

时间复杂度:O(n)

空间复杂度:O(n)

相关推荐
CoovallyAIHub11 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP12 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo12 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo12 小时前
300:最长递增子序列
算法
CoovallyAIHub17 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub18 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI1 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v2 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工2 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农2 天前
【React用到的一些算法】游标和栈
算法·react.js