LeetCode Maximum Product Subarray 解题报告

LeetCode 新题又更新了，求：最大子数组乘积。
https://oj.leetcode.com/problems/maximum-product-subarray/

题目分析：求一个数组，连续子数组的最大乘积。
解题思路：最简单的思路就是3重循环，求解productArray[i][j]的值（productArray[i][j]为A[i]到A[j]的乘积），然后记录其中最大值，算法时间复杂度O(n3)，必然TLE。

第一次优化，动态规划，求解：productArray[i][j]的时候不用再次循环从i到j，而是利用：productArray[i][j]=productArray[i][j-1]*A[j];采用递推的方法来计算，算法时间复杂度为O(n2)，遗憾的是也TLE了。

public class Solution {
    public int maxProduct(int A[]) {
        if(A==null||A.length==0) {
	      return 0;
	    }
	    int[][] productArray =  new int[A.length][A.length];
	    int maxProduct = A[0];
	    
	    for(int i=0;imaxProduct) {
	    			maxProduct = productArray[i][i];
	    		}
	    	}
	    }
	    return maxProduct;
    }
}

第二次优化，其实子数组乘积最大值的可能性为：累乘的最大值碰到了一个正数；或者，累乘的最小值（负数），碰到了一个负数。所以每次要保存累乘的最大（正数）和最小值（负数）。同时还有一个选择起点的逻辑，如果之前的最大和最小值同当前元素相乘之后，没有当前元素大（或小）那么当前元素就可作为新的起点。例如，前一个元素为0的情况，{1,0,9,2}，到9的时候9应该作为一个最大值，也就是新的起点，{1,0,-9,-2}也是同样道理，-9比当前最小值还小，所以更新为当前最小值。
这种方法只需要遍历一次数组即可，算法时间复杂度为O(n)。

public class Solution {
    public int maxProduct(int A[]) {
        if(A==null||A.length==0) {
	      return 0;
	    }
	    int maxProduct = A[0];
	    int max_temp   = A[0];
	    int min_temp   = A[0];
	    
	    for(int i=1;i