❤️思维导图整理大厂面试高频数组14: 最大子序积和最大子序和的不同之处, 力扣152❤️

Posted 2021-10-13 孤柒

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了❤️思维导图整理大厂面试高频数组14: 最大子序积和最大子序和的不同之处, 力扣152❤️相关的知识，希望对你有一定的参考价值。

此专栏文章是对力扣上算法题目各种方法的总结和归纳, 整理出最重要的思路和知识重点并以思维导图形式呈现, 当然也会加上我对导图的详解.

目的是为了更方便快捷的记忆和回忆算法重点(不用每次都重复看题解), 毕竟算法不是做了一遍就能完全记住的. 所以本文适合已经知道解题思路和方法, 想进一步加强理解和记忆的朋友, 并不适合第一次接触此题的朋友(可以根据题号先去力扣看看官方题解, 然后再看本文内容).

关于本专栏所有题目的目录链接, 刷算法题目的顺序/注意点/技巧, 以及思维导图源文件问题请点击此链接.

想进大厂, 刷算法是必不可少的, 欢迎和博主一起打卡刷力扣算法, 博主同步更新了算法视频讲解和其他文章/导图讲解, 更易于理解, 欢迎来看!

文章目录

0.导图整理
1.与最大子序和的不同
2.优化空间
源码
Python:
java:

题目链接:https://leetcode-cn.com/problems/maximum-product-subarray/solution/si-wei-dao-tu-zheng-li-zui-da-zi-xu-ji-h-r8du/

0.导图整理

1.与最大子序和的不同

本题在思想上和 最大子序和 是非常相似的, 甚至连定义dp数组及下标的含义都是相同的: 用fmax(i)来表示以第 i 个元素结尾的乘积最大子数组的乘积, ai表示输入参数 nums.

但是如果直接根据经验写出这样的状态转移方程: fmax(i)=max{f(i−1)+ai,ai}是错误的, 用比较专业的语言解释就是: 这里的定义并不满足「最优子结构」, 当前位置的最优解未必是由前一个位置的最优解转移得到的. 用白话来解释就是: 两个负数相乘有可能会得到更大的结果, 当前的最大值并不一定是通过上个状态的最大值决定的, 也可能是上个状态的最小值决定的. 这都是因为加法和乘法的不同性质决定的.

通过这样的分析就决定了我们还必须同时维护上个状态的最小值, 然后就可以写出如下的状态转移方程了:

它代表第i个元素结尾的乘积最大子数组的乘积fmax(i), 可以考虑把ai加入第 i−1 个元素结尾的乘积最大或最小的子数组的乘积中, 二者加上ai, 三者取大, 就是第i个元素结尾的乘积最大子数组的乘积. 第i个元素结尾的乘积最小子数组的乘积fmin(i)同理.

这是两者思想上的不同, 在实现代码上, 也有着一点差别, 在没有进行空间优化之前, 我们是需要维护两个dp数组的, 而且这两个数组是完全独立的, 这就说明我们不能通过数组的引用这种浅拷贝的方式来操作数组, 必须将数组进行真实的复制(深拷贝)之后再进行相关的操作, 这就是如下代码的含义:

System.araycopy(nums, 0, maxF, 0, length);//nums从0开始的位置复制到maxF从0开始的位置,长度length
System.araycopy(nums, 0, minF, 0, length);//对数组进行深拷贝,不能简单的使用数组的引用(浅拷贝)

2.优化空间

当然本题是可以像最大子序和一样进行空间优化的, 上面讲述的深拷贝的思想, 是为了让大家有这种意识, 在不能进行空间优化的时候该如何进行处理.

本题的优化也是挺简单的, 只需要用两个变量来维护i−1时刻的两种状态即可.

这里有个Python和java语言的注意点: java中的max/min函数只能包含两个参数, 当含有有个变量时, 要先进行两两比较, 再将比较之后的结果和其他变量再比较, 而Python中的可以包含任意个参数, 直接一起比较即可.

源码

Python:

# 优化空间
class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        maxF, minF, ans = nums[0], nums[0], nums[0]
        length = len(nums)
        for i in range(1, length):
            mx, mn = maxF, minF # 只用两个变量来维护i−1时刻的状态,优化空间
            maxF = max(mx * nums[i], nums[i], mn * nums[i])
            minF = min(mn * nums[i], nums[i], mx * nums[i])
            ans = max(maxF, ans)
        
        return ans

java:

// 未优化空间
class Solution {
    public int maxProduct(int[] nums) {
        int length = nums.length;
        int[] maxF = new int[length];
        int[] minF = new int[length];//以第i个元素结尾的乘积最小子数组的乘积
        System.araycopy(nums, 0, maxF, 0, length);//nums从0开始的位置复制到maxF从0开始的位置,长度length
        System.araycopy(nums, 0, minF, 0, length);//对数组进行深拷贝,不能简单的使用数组的引用(浅拷贝)
        for (int i = 1; i < length; ++i) {
            //两个状态转移方程
            maxF[i] = Math.max(maxF[i - 1] * nums[i], Math.max(nums[i], minF[i - 1] * nums[i]));
            minF[i] = Math.min(minF[i - 1] * nums[i], Math.min(nums[i], maxF[i - 1] * nums[i]));
        }
        int ans = maxF[0];
        for (int i = 1; i < length; ++i) {
            ans = Math.max(ans, maxF[i]);
        }
        return ans;
    }
}

// 优化空间
class Solution {
    public int maxProduct(int[] nums) {
        int maxF = nums[0], minF = nums[0], ans = nums[0];
        int length = nums.length;
        for (int i = 1; i < length; ++i) {
            int mx = maxF, mn = minF;//只用两个变量来维护i−1时刻的状态,优化空间
            maxF = Math.max(mx * nums[i], Math.max(nums[i], mn * nums[i]));
            minF = Math.min(mn * nums[i], Math.min(nums[i], mx * nums[i]));
            ans = Math.max(maxF, ans);
        }
        return ans;
    }
}