leetcode 152：最大乘积子数组

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。
子数组 是数组的连续子序列。
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。
思路1：
通过递归进行暴力求解，每个元素有选和不选两种情况，保存乘积的最大值，时间复杂度为O(2^n)。
思路2：
动态规划DP

1. 状态的定义：dp[i][2] i->包含第i个元素的子序列
   定义成二维状态的原因：因为元素可能出现负数的情况，所以需要保留正的最大值和负的最小值，然后根据nums[i]的正负得到最后的结果。
   [i][0] 正的最大值; [i][1]负的最小值
2. 状态转移方程：

dp[i][0] = 
	if nums[i]>0:
		dp[i-1][0] * nums[i]
	else:
		dp[i-1][1]*nums[i]

dp[i][1] = 
	if nums[i] >0:
		dp[i-1][[1] *a[i]
	else:
		dp[i-1][0] * a[i]

具体在操作的时候，还要注意到dp[i-1][0]和dp[i-1][1]的正负，详见代码。

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        # 注意一下申请数组怎么做
        dp = [[]]
        for h in range(len(nums)):
            dp.append([])
            for l in range(2):
                dp[h].append([])
        max = nums[0]
        # 初始化
        if nums[0] >= 0:
            dp[0][0] = nums[0]
            dp[0][1] = 0
        else:
            dp[0][0] = nums[0]
            dp[0][1] = nums[0]
        for i in range(1, len(nums)):
            if nums[i] >= 0:
                if dp[i-1][0] > 0:
                    dp[i][0] = dp[i-1][0] * nums[i]
                else:
                    dp[i][0] = nums[i]
                if dp[i-1][1] < 0:
                    dp[i][1] = dp[i-1][1] * nums[i]
                else:
                    dp[i][1] = 0
            else:
                if dp[i-1][1] < 0:
                    dp[i][0] = dp[i-1][1] * nums[i]
                else:
                    dp[i][0] = nums[i]
                if dp[i-1][0] > 0:
                    dp[i][1] = dp[i-1][0] * nums[i]
                else:
                    dp[i][1] = nums[i]
            if dp[i][0] > max:
                max = dp[i][0]
        return max

这样写的代码显得有一些冗余，参考题解得到的一个类似的思路：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        vector <int> maxF(nums), minF(nums);
        for (int i = 1; i < nums.size(); ++i) {
            maxF[i] = max(maxF[i - 1] * nums[i], max(nums[i], minF[i - 1] * nums[i]));
            minF[i] = min(minF[i - 1] * nums[i], min(nums[i], maxF[i - 1] * nums[i]));
        }
        return *max_element(maxF.begin(), maxF.end());
    }
};

进一步优化空间复杂度：

class Solution {
public:
    int maxProduct(vector<int>& nums) {
        int maxF = nums[0], minF = nums[0], ans = nums[0];
        for (int i = 1; i < nums.size(); ++i) {
            int mx = maxF, mn = minF;
            maxF = max(mx * nums[i], max(nums[i], mn * nums[i]));
            minF = min(mn * nums[i], min(nums[i], mx * nums[i]));
            ans = max(maxF, ans);
        }
        return ans;
    }
};

用ans存最大值，避免过程中的存储消耗空间。