1.タイトル
整数の配列numsが与えられた場合、配列内で最大の積を持つ連続サブ配列を見つけ(サブ配列には少なくとも1つの数値が含まれます)、サブ配列に対応する積を返します。
例1:
输入: [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
例2:
输入: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
2、参照
1.再帰
アイデア:
詳細については、コードとコメントを理解してください。実行中のタイムアウトですが、再帰を理解するように自分自身をトレーニングすることができます。
コード:
class Solution {
int max = Integer.MIN_VALUE;
public int maxProduct(int[] nums) {
if (nums == null || nums.length == 0) {
return -1;
}
helper(nums, 1, 0);
return max;
}
// 1-最大连续子列积
private void helper(int[] nums, int product, int i) {
// Terminator
if (i == nums.length) {
return;
}
// Current logic:比较历史最大值与当前值,历史最大值形成增益则保留,否则丢弃
int select = nums[i] * product;
int max_value = Math.max(nums[i], select); // compare num[i] ? product*num[i]
max = Math.max(max_value, max);
// Drill down:保留有效数据,下一层可能会用到
helper(nums, nums[i], i + 1);
helper(nums, select, i + 1);
}
}
// 2-最大不连续子列积
// private void helper(int[] nums, int product, int i) {
// if (i == nums.length) {
// return;
// }
// int select = nums[i] * product;
// int max_value = Math.max(product, select); // 差异
// max = Math.max(max_value, max);
// helper(nums, product, i + 1); // 重点差异
// helper(nums, select, i + 1);
// }
時間の複雑さ: O(2 n)O(2 ^ n)O (2n)
スペースの複雑さ: O(n)O(n)O (n )
2.再帰+メモ化
アイデア:いいえ。
コード:なし。
時間の複雑さ: O(n)O(n)O (n )
スペースの複雑さ: O(n)O(n)O (n )
3.動的計画
バージョン1
アイデア:
1、状态定义:DP[i][2]
DP[i][0]:最大值
DP[i][1]:最小值
2、转移方程:DP[i]=DP[i-1]*a[i]
DP[i][0] = a[i]>=0 ? DP[i-1][0]*a[i] : DP[i-1][1]*a[i]
DP[i][1] = a[i]>=0 ? DP[i-1][1]*a[i] : DP[i-1][0]*a[i]
return DP[i][0]
コード:
class Solution {
public int maxProduct(int[] nums) {
if (nums==null || nums.length==0) return 0;
int[][] dp = new int[nums.length][2];
int res=nums[0]; dp[0][0]=nums[0]; dp[0][1]=nums[0];
for (int i=1; i<nums.length; i++) {
dp[i][0] = Math.max( Math.max(dp[i-1][0]*nums[i], dp[i-1][1]*nums[i]), nums[i]);
dp[i][1] = Math.min( Math.min(dp[i-1][0]*nums[i], dp[i-1][1]*nums[i]), nums[i]);
res = Math.max(res, dp[i][0]);
}
return res;
}
}
時間の複雑さ: O(n)O(n)O (n )
スペースの複雑さ: O(n)O(n)O (n )
バージョン2
アイデア:
以上のことから、DP [i] [0/1]は最後の操作結果DP [i-1] [0/1]にのみ依存するため、ここで空間最適化を行うことができます。具体的なコードは次のとおりです。
コード:
class Solution {
public int maxProduct(int[] nums) {
if (nums==null || nums.length==0) return 0;
int currMax = nums[0], currMin = nums[0], ans = nums[0];
for (int i = 1; i < nums.length; ++i) {
int mx = currMax, mn = currMin;
currMax = Math.max(mx * nums[i], Math.max(nums[i], mn * nums[i]));
currMin = Math.min(mn * nums[i], Math.min(nums[i], mx * nums[i]));
ans = Math.max(currMax, ans);
}
return ans;
}
}
時間の複雑さ: O(n)O(n)O (n )
スペースの複雑さ: O(1)O(1)O (1 )
3、参照
1. O(n)時間の複雑さを伴うおそらく最も単純なソリューション
2.最大の製品サブアレイ
3.ブラザー、私は最善を尽くしました