【LeetCode】最大子数组乘积:三种解法从暴力到最优

给定一个包含正数、负数和零的数组 arr[],找出任意连续子数组的最大乘积。

示例:

  • 输入:arr[] = [-2, 6, -3, -10, 0, 2] → 输出:180(子数组 [6, -3, -10],乘积 = 6 * (-3) * (-10) = 180)
  • 输入:arr[] = [-1, -3, -10, 0, 6] → 输出:30(子数组 [-3, -10],乘积 = (-3) * (-10) = 30)
  • 输入:arr[] = [2, 3, 4] → 输出:24(全正数时结果为所有元素乘积)

目录

  • [暴力解法:两层循环 O(n²)](#暴力解法:两层循环 O(n²))
  • [最优解法1:维护最小和最大乘积 O(n)](#最优解法1:维护最小和最大乘积 O(n))
  • [最优解法2:双向遍历 O(n)](#最优解法2:双向遍历 O(n))

刷 LeetCode 遇到"最大子数组乘积"这种题,动态规划思路绕来绕去,光看文字解析太抽象了。别只靠硬想,可以试试图码,它把60多种数据结构和算法做成了交互式动画,输入数据就能看到每一步怎么变。尤其适合备战408考研 或数据结构期末考试 ,连C/C++/Java/Python代码都能上传,生成可视化解析,随时选中代码还能问AI。想彻底搞懂这类题,去图码看看,直观多了。

图码-数据结构与算法交互式可视化平台

访问网站:https://totuma.cn

暴力解法:两层循环 O(n²)

最直接的想法:遍历所有连续子数组,计算每个子数组的乘积,记录最大值。

代码(简化版):

python 复制代码
def maxProduct(arr):
    n = len(arr)
    maxProd = arr[0]
    for i in range(n):
        mul = 1
        for j in range(i, n):
            mul *= arr[j]
            maxProd = max(maxProd, mul)
    return maxProd

时间复杂度: O(n²),空间复杂度:O(1)。


最优解法1:维护最小和最大乘积 O(n)

核心思路:遍历数组时,同时维护两个变量------以当前元素结尾的子数组的最大乘积 和最小乘积。

  • 遇到零会重置乘积(任何包含零的子数组乘积为零)。
  • 遇到负数时,最小乘积可能变成最大乘积(因为负负得正)。
  • 通过同时维护最大和最小,可以在一次遍历中正确计算。

代码(简化版):

python 复制代码
def maxProduct(arr):
    n = len(arr)
    currMax = arr[0]
    currMin = arr[0]
    maxProd = arr[0]
    for i in range(1, n):
        temp = max(arr[i], arr[i] * currMax, arr[i] * currMin)
        currMin = min(arr[i], arr[i] * currMax, arr[i] * currMin)
        currMax = temp
        maxProd = max(maxProd, currMax)
    return maxProd

时间复杂度: O(n),空间复杂度:O(1)。


最优解法2:双向遍历 O(n)

另一种思路:从左到右和从右到左各遍历一次,累积乘积。遇到零时重置为1。

  • 当有奇数个负数时,乘积为负,我们只能舍弃第一个或最后一个负数。
  • 双向遍历可以覆盖这两种情况,取最大值。

代码(简化版):

python 复制代码
def maxProduct(arr):
    n = len(arr)
    maxProd = float('-inf')
    leftToRight = 1
    rightToLeft = 1
    for i in range(n):
        if leftToRight == 0:
            leftToRight = 1
        if rightToLeft == 0:
            rightToLeft = 1
        leftToRight *= arr[i]
        j = n - i - 1
        rightToLeft *= arr[j]
        maxProd = max(leftToRight, rightToLeft, maxProd)
    return maxProd

时间复杂度: O(n),空间复杂度:O(1)。


总结: 三种方法从 O(n²) 优化到 O(n),面试中推荐使用维护最小和最大乘积的方法,思路清晰且不易出错。双向遍历法也很巧妙,可以作为备选方案。

相关推荐
罗西的思考7 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
ashiho8 小时前
【LeetCode hot 100】3. 无重复字符的最长子串 (三种解法)
java·数据结构·后端·算法·leetcode·滑动窗口
数据工匠老o9 小时前
数据库没死,业务卡住了:行锁等待、元数据锁、长事务的排查路径
数据库·算法·架构
黑客笔记9 小时前
安全态势感知中的资产失陷排名思考
人工智能·算法·网络安全
CoderYanger9 小时前
Java EE 进阶:9.MyBatis 操作数据库(进阶)(第二弹)
java·数据库·面试·职场和发展·java-ee·tomcat·mybatis
青少儿编程课堂11 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:扫描线与线段树求矩形面积并解析
c++·python·算法·bfs·信息学竞赛
xys_67811 小时前
JavaSE通关手册:数组
数据结构
电科_银尘11 小时前
【大模型算法与工程 09】SGD、Momentum与AdamW:优化器如何选择
人工智能·算法
货拉拉技术13 小时前
视觉底座:货拉拉OCR的进阶之路
算法