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。
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：
-
整数数组 nums 中只包含一个元素；
-
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为O(n^2)，但由于未开辟额外的空间，所以空间复杂度为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和最小值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：
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，因此其时间复杂度为O(n)，同样由于未开辟额外的空间，所以空间复杂度为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】
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~