LeetCode Maximum Product Subarray

Dylan_Java_NYC

于 2015-09-15 12:14:55 发布

阅读量500

点赞数

CC 4.0 BY-SA版权

分类专栏： LeetCode Array DP

本文链接：https://blog.youkuaiyun.com/dylan_java_nyc/article/details/48465687

LeetCode 同时被 3 个专栏收录

122 篇文章

订阅专栏

23 篇文章

订阅专栏

Array

20 篇文章

订阅专栏

本文介绍了解决LeetCode上最大子数组乘积问题的一种高效算法。该问题需要找到数组中乘积最大的连续子数组。文章通过示例[-2,3,-4]解释了为何需要同时维护局部最大和最小值，并提供了一个Java实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原题链接在这里：https://leetcode.com/problems/maximum-product-subarray/

与Maximum Subarray类似。但出了要维护一个局部最大量外还需要同时多维护一个局部最小量。

e.g.[-2,3,-4], 若不维护局部最小量，i = 1时，局部最大是3，全局最大也是3，i=2时局部最大变成-4，全局最大变成3，但实际全局最大应该是8. 这是因为负数与负数相乘可能会产生一个很大的正数，与加法只要是负一定变小不同。

所以要同时维护一个局部最小变量，以防当前值是负数。

AC Java:

public class Solution {
    public int maxProduct(int[] nums) {
        if(nums == null || nums.length ==0){
            return 0;
        }
        int localMax = nums[0];
        int localMin = nums[0];
        int global = nums[0];
        for(int i = 1; i<nums.length; i++){
            int temp = localMax;
            localMax = Math.max(Math.max(localMax*nums[i],nums[i]),localMin*nums[i]);
            localMin = Math.min(Math.min(temp*nums[i],nums[i]),localMin*nums[i]);
            global = Math.max(localMax, global);
        }
        return global;
    }
}