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 * 10^4^

-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
幸运超级加倍~几秒前
软件设计师-上午题-16 算法(4-5分)
笔记·算法
yannan201903138 分钟前
【算法】(Python)动态规划
python·算法·动态规划
埃菲尔铁塔_CV算法10 分钟前
人工智能图像算法:开启视觉新时代的钥匙
人工智能·算法
EasyCVR10 分钟前
EHOME视频平台EasyCVR视频融合平台使用OBS进行RTMP推流,WebRTC播放出现抖动、卡顿如何解决?
人工智能·算法·ffmpeg·音视频·webrtc·监控视频接入
linsa_pursuer11 分钟前
快乐数算法
算法·leetcode·职场和发展
小芒果_0113 分钟前
P11229 [CSP-J 2024] 小木棍
c++·算法·信息学奥赛
qq_4340859014 分钟前
Day 52 || 739. 每日温度 、 496.下一个更大元素 I 、503.下一个更大元素II
算法
Beau_Will14 分钟前
ZISUOJ 2024算法基础公选课练习一(2)
算法
XuanRanDev17 分钟前
【每日一题】LeetCode - 三数之和
数据结构·算法·leetcode·1024程序员节
gkdpjj18 分钟前
C++优选算法十 哈希表
c++·算法·散列表