Leetcode - Maximum Product Subarray

最新推荐文章于 2022-03-25 16:53:26 发布

最新推荐文章于 2022-03-25 16:53:26 发布 · 131 阅读

文章标签：

#Dynamic Programming

Dynamic Programming 专栏收录该内容

34 篇文章

订阅专栏

本文介绍了一种求解最大连续子数组乘积的方法，并提供了两种解决方案：一种使用O(N)空间复杂度，另一种则优化为O(1)空间复杂度。通过递归更新最大值和最小值来处理负数的影响。

[题目] Find the contiguous subarray within an array (containing at least one number) which has the largest product.

For example, given the array [2,3,-2,4],
the contiguous subarray [2,3] has the largest product = 6.

[分析] 注意到负负得正，所以求解过程中需要分别计算保留以当前数组元素A[i]结尾的连续子数组乘积的最大值和最小值

public class Solution {
    // O(N)空间 + O(N)时间
    public int maxProduct1(int[] A) {
        if (A == null || A.length == 0)
            return 0;
        int n = A.length;
        int[] max = new int[n];
        int[] min = new int[n];
        // 初始化条件
        max[0] = A[0];
        min[0] = A[0];
        int finalMax = A[0];
        for (int i = 1; i < n; i++) {
            // 递推式
            max[i] = Math.max(A[i], Math.max(max[i - 1] * A[i], min[i - 1] * A[i]));
            min[i] = Math.min(A[i], Math.min(max[i - 1] * A[i], min[i - 1] * A[i]));
            if (max[i] > finalMax)
                finalMax = max[i];
        }
        return finalMax;
    }
    
    // O(1)空间 + O(N)时间，仅需保留上一步的结果
    public int maxProduct(int[] A) {
        if (A == null || A.length == 0)
            return 0;
        int n = A.length;
        int[] max = new int[2];
        int[] min = new int[2];
        max[0] = A[0];
        min[0] = A[0];
        int finalMax = A[0];
        for (int i = 1; i < n; i++) {
            max[1] = Math.max(A[i], Math.max(max[0] * A[i], min[0] * A[i]));
            min[1] = Math.min(A[i], Math.min(max[0] * A[i], min[0] * A[i]));
            if (max[1] > finalMax)
                finalMax = max[1];
            max[0] = max[1];
            min[0] = min[1];
        }
        return finalMax;
    }
}