手撕腾讯面试题-乘积最大子数组

前言

动态规划是面试中常考的知识点,特别是一些互联网大厂的面试,可以说必会考到一道涉及动态规划的算法题,因此掌握动态规划,能提高面试的通过率。

本文的内容为通过一道腾讯的面试题,即力扣 152. 乘积最大子数组,由暴力法求解一步一步演化到由动态规划进行求解来介绍动态规划

题目

给你一个整数数组 nums ,请你找出数组中乘积最大的连续子数组(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。

手撕腾讯面试题-乘积最大子数组_第1张图片

示例

解题思路

注意点

本题要求的是乘积最大的连续子数组而不是乘积最大的子序列,因此要求子数组中的元素在原数组中是连续的

思考:整数数组可能存在的情况

由于题目已明确告知子数组中至少包含一个数字,因此主要存在以下两种情况:

  1. 整数数组 nums 中只包含一个元素;

  2. 整数数组 nums 中包含两个或两个以上元素。

思路

  • 只包含一个元素,直接返回该元素;

  • 包含两个或两个以上元素,暴力轮询或动态规划求乘积最大的连续子数组,返回乘积。

暴力法

初看该题,很容易想到可以通过暴力法去求解,即通过两层循环遍历整个数组。

Show me the Code

C++

int maxProduct(vector& nums) {
    int size = nums.size();
    /* 整数数组 nums 只包含一个元素 */
    if (size == 1) {
        return nums[0];
    }

    /* maxRes 记录整数数组 nums 中乘积最大的连续子数组的乘积 */
    int maxRes = nums[0];
    for (int i = 0; i < size; ++i) {
        /* curMax 记录整数数组 nums 中当前乘积最大的连续子数组的乘积 */
        int curMax = 1;
        for (int j = i; j < size; ++j) {
            curMax *= nums[j];
            /* 不断更新 nums 中乘积最大的连续子数组的乘积 maxRes */
            maxRes = max(maxRes, curMax);
        }
    }
    
    return maxRes;
}

上面是通过暴力法去求解,由于进行了两层遍历,因此该解法的时间复杂度O(n^2),但由于未开辟额外的空间,所以空间复杂度O(1)。但在面试过程中,如果提供这种解法,面试官往往会问还有没有更优的解法?也就是说面试官对当前的解法(时间复杂度过高)不太满意。

那有没有更优的解法呢?当然有!对动态规划有所了解的童鞋,在看到题目中的最大两个字,自然会想到通过动态规划去求解,因为涉及到求最优的问题,往往可以通过动态规划去解。

动态规划

由于整数数组 nums 中的元素可能有正数、负数和 0,因此连续子数组中的元素也可能是这三种情况

如果连续子数组中的元素存在负数正数乘以负数就成负数,那么最大值乘以负数就变成了最小值,因此需要同时考虑当前连续子数组乘积的最大值curMax最小值curMin

注意点

整数数组 nums 中存在负数,当遍历到以nums[i](负数)结尾连续子数组时,需要交换 curMax 和 curMin

举栗

以整数数组 nums = [2, 3, -2, 4] 为栗子,求乘积最大子数组的乘积。

如下图示:

手撕腾讯面试题-乘积最大子数组_第2张图片

Show me the Code

C++

int maxProduct(vector& nums) {
    int size = nums.size();
    /* 整数数组 nums 只包含一个元素 */
    if (size == 1) {
        return nums[0];
    }

    /* curMax:以 nums[i] 结尾的当前乘积最大的连续子数组 */
    /* curMin:以 nums[i] 结尾的当前乘积最小的连续子数组 */
    int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
    for (int i = 1; i < size; ++i) {
        /* nums[i] < 0 时,交换 curMax 和 curMin */
        if (nums[i] < 0) {
            swap(curMax, curMin);
        }
        
        /* 不断更新 curMax、curMin 和 maxRes */
        curMax = max(curMax * nums[i], nums[i]);
        curMin = min(curMin * nums[i], nums[i]);
        maxRes = max(maxRes, curMax);
    }
    
    return maxRes;
}

C

void swap(int *a, int *b) {
    int temp = *a;
    *a = *b;
    *b = temp;
}
int maxProduct(int* nums, int numsSize){
    if (numsSize == 1) {
        return nums[0];
    }

    int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
    for (int i = 1; i < numsSize; ++i) {
        if (nums[i] < 0) {
            swap(&curMax, &curMin);
        }
        
        curMax = fmax(curMax * nums[i], nums[i]);
        curMin = fmin(curMin * nums[i], nums[i]);
        maxRes = fmax(maxRes, curMax);
    }
    
    return maxRes;
}

java

int maxProduct(int[] nums) {
        int size = nums.length;
        if (size == 1) {
            return nums[0];
        }

        int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
        for(int i = 1; i < size; ++​i){
            if(nums[i] < 0){ 
              int tmp = curMax;
              curMax = curMin;
              curMin = tmp;
            }

            curMax = Math.max(curMax * nums[i], nums[i]);
            curMin = Math.min(curMin * nums[i], nums[i]);
            maxRes = Math.max(maxRes, curMax);
        }
        
        return maxRes;
    }
}

python3

class Solution:
    def maxProduct(self, nums: List[int]) -> int:
        size = len(nums)
        if size == 1:
            return nums[0]
        
        maxRes = curMax = curMin = nums[0]
        for i in range(1, size):
            if nums[i] < 0:
                curMax, curMin = curMin, curMax

            curMax = max(curMax * nums[i], nums[i])
            curMin = min(curMin * nums[i], nums[i])
            maxRes = max(maxRes, curMax)

        return maxRes

golang

func maxProduct(nums []int) int {
    size := len(nums)
    if size == 1 {
        return nums[0]
    }

    maxRes, curMax, curMin := nums[0], nums[0], nums[0]
    for i := 1; i < size; i++ {
        if nums[i] < 0 {
            curMax, curMin = curMin, curMax
        }
        
        curMax = max(curMax * nums[i], nums[i])
        curMin = min(curMin * nums[i], nums[i])
        maxRes = max(curMax, maxRes)
    }

    return maxRes
}

func max(a, b int) int {
    if a > b {
        return a
    }
    return b
}

func min(a, b int) int {
    if a < b {
        return a
    }
    return b
}

采用动态规划的方法去求解,由于只进行了一层遍历,因此其时间复杂度O(n),同样由于未开辟额外的空间,所以空间复杂度O(1)

往期动态规划相关精彩文章回顾

动态规划经典题之最长上升子序列最终版

动态规划经典题之最长上升子序列

到底是爬一阶还是爬两阶?

更多精彩

关注公众号【程序员小熊

手撕腾讯面试题-乘积最大子数组_第3张图片

image

后台回复【算法】,即可获取高清无码的经典算法电子书~

后台回复【python】,即可获取高清无码的经典 python 电子书~

后台回复【1024】,即可获取三份来自 BAT 大佬的 Leetcode 刷题手册~

为了回馈读者,本公众号不定期会有送礼活动,敬请关注~

你可能感兴趣的:(动态规划,刷题,面试,面试,算法,动态规划,数据结构,c++)