lc 152. 乘积最大子数组

该博客详细解析了一种动态规划算法,用于在整数数组中找到连续子数组的最大乘积。通过同时维护最大和最小乘积,避免了因负数出现导致的最大值反转。博主展示了如何在O(n)的时间复杂度内解决此问题,适用于包含正负整数的数组场景。
class Solution {
    // 因为是乘法,如果都是正整数,那么结果只会越乘越大,但如果有了负数,最大数会变成最小,最小会变成最大,因此要同时维护最小和最大
    // 当前最大可能是:当前数本身(因为可能之前有0),之前的最大乘积乘以当前(如果当前为正数),之前的最小乘积乘以当前(如果当前负数)
    // 取这三种中最大的,而当前最小则是取三者中最小的
    public int maxProduct(int[] nums) {
        if(nums==null||nums.length==0){
            return 0;
        }
        int[] curMax=new int[nums.length];
        int[] curMin=new int[nums.length];

        curMax[0]=curMin[0]=nums[0];
        int max=nums[0];
        for(int i=1;i<nums.length;i++){
            curMin[i]=Math.min(nums[i],Math.min(curMin[i-1]*nums[i],curMax[i-1]*nums[i]));
            curMax[i]=Math.max(nums[i],Math.max(curMin[i-1]*nums[i],curMax[i-1]*nums[i]));
            max=Math.max(max,curMax[i]);
        }
        return max;
    }
}

 

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值