Leetcode53/152—最大子数组和/最大子数组乘积(状态转移方程/不熟)

简介: Leetcode53/152—最大子数组和/最大子数组乘积(状态转移方程/不熟)

53.最大子数组和

给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。


子数组 是数组中的一个连续部分。

🙆‍♂️思路:

aaaaa,我老不会这个题

动态规划的是首先对数组进行遍历,当前最大连续子序列和为 sum,结果为 ans

如果 sum > 0,则说明 sum 对结果有增益效果,则 sum 保留并加上当前遍历数字

如果 sum <= 0,则说明 sum 对结果无增益效果,需要舍弃,则 sum 直接更新为当前遍历数字

每次比较 sum 和 ans的大小,将最大值置为ans,遍历结束返回结果

时间复杂度:O(n)

int maxSubArray(int* nums, int numsSize){
    int sum = nums[0];
    for(int i = 1;i < numsSize;i++)
    {
        if(nums[i-1] > 0)
        {
            nums[i] += nums[i-1];
        }
        if(nums[i] > sum)
            sum = nums[i];
    }
    return sum;
}

152.乘积最大子数组

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。


先解决完上面那个题,下面这个题思路很容易固化

比如直接判断 上一个数据和当前数据同号则相乘,不然则舍弃 这是一种错误🙅的想法💡

比如[-4,-5,2,-6,-7] 很明显全部数字之积才是结果!

而不是当40*-6时候舍去!


🙆思路:

转移方程应该是

maxDP[i + 1] = max(maxDP[i] * A[i + 1], A[i + 1],minDP[i] * A[i + 1])

minDP[i + 1] = min(minDP[i] * A[i + 1], A[i + 1],maxDP[i] * A[i + 1])

dp[i + 1] = max(dp[i], maxDP[i + 1])

因为我们记录📝前面的最大值和最小值,当与当前数值乘完后,可能最大值变成最小值,最小值变成最大值。

int max_num(int a,int b,int c)
{
    if(a >= b && a >= c)
        return a;
    else if(b >= a && b >= c)
        return b;
    else if(c >= a && c >= b)
        return c;
    else
        return 0;
}
int min_num(int a,int b,int c)
{
    if(a <= b && a <= c)
        return a;
    else if(b <= a && b <= c)
        return b;
    else if(c <= a && c <= b)
        return c;
    else 
        return 0;
}
int maxProduct(int* nums, int numsSize){
    if(numsSize == 0)
        return 0;
    int zjl_max = nums[0];
    int zjl_min = nums[0];
    int mht_max = nums[0];
    for(int i = 1;i < numsSize;i++)
    {
        int temp = zjl_max;
        zjl_max = max_num(zjl_max*nums[i],zjl_min*nums[i],nums[i]);
        zjl_min = min_num(temp*nums[i],zjl_min*nums[i],nums[i]);
        if(mht_max < zjl_max)
            mht_max = zjl_max;
      //这是一种错误想法,由上一题很容易影响 但是我没有提交~ 直接记录提醒自己  
      /*  
        if(nums[i-1] * nums[i] > 0) //同号
        {
            nums[i] *= nums[i-1];
        }
        if(nums[i] > sum)
        {
            sum = nums[i];
        }
        */
    }
    return mht_max;
}

整理代码

int min(int a, int b) {return a > b ? b : a;}
int max(int a, int b) {return a > b ? a : b;}
int maxProduct(int* nums, int numsSize){
    int ans = nums[0];
    int dp_mi[numsSize + 5];
    int dp_ma[numsSize + 5];
    dp_ma[0] = dp_mi[0] = nums[0];
    for (int i = 1; i < numsSize; ++i) {
        dp_mi[i] = min(nums[i], min(nums[i] * dp_mi[i - 1], nums[i] * dp_ma[i - 1]));
        dp_ma[i] = max(nums[i], max(nums[i] * dp_mi[i - 1], nums[i] * dp_ma[i - 1]));
        ans = max(ans, dp_ma[i]);
    }
    return ans;
}
相关文章
|
5月前
|
Go
【LeetCode 热题100】DP 实战进阶:最长递增子序列、乘积最大子数组、分割等和子集(力扣300 / 152/ 416 )(Go语言版)
本文深入解析三道经典的动态规划问题:**最长递增子序列(LIS)**、**乘积最大子数组** 和 **分割等和子集**。 - **300. LIS** 通过 `dp[i]` 表示以第 `i` 个元素结尾的最长递增子序列长度,支持 O(n²) 动态规划与 O(n log n) 的二分优化。 - **152. 乘积最大子数组** 利用正负数特性,同时维护最大值与最小值的状态转移方程。 - **416. 分割等和子集** 转化为 0-1 背包问题,通过布尔型 DP 实现子集和判断。 总结对比了三题的状态定义与解法技巧,并延伸至相关变种问题,助你掌握动态规划的核心思想与灵活应用!
205 1
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
131 0
【LeetCode-每日一题】 删除排序数组中的重复项
【LeetCode-每日一题】 删除排序数组中的重复项
114 4
|
索引
Leetcode第三十三题(搜索旋转排序数组)
这篇文章介绍了解决LeetCode第33题“搜索旋转排序数组”的方法,该问题要求在旋转过的升序数组中找到给定目标值的索引,如果存在则返回索引,否则返回-1,文章提供了一个时间复杂度为O(logn)的二分搜索算法实现。
111 0
Leetcode第三十三题(搜索旋转排序数组)
|
算法 C++
Leetcode第53题(最大子数组和)
这篇文章介绍了LeetCode第53题“最大子数组和”的动态规划解法,提供了详细的状态转移方程和C++代码实现,并讨论了其他算法如贪心、分治、改进动态规划和分块累计法。
217 0
|
C++
【LeetCode 12】349.两个数组的交集
【LeetCode 12】349.两个数组的交集
91 0
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
234 6
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
162 6
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
341 2
|
数据采集 负载均衡 安全
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口
本文提供了多个多线程编程问题的解决方案,包括设计有限阻塞队列、多线程网页爬虫、红绿灯路口等,每个问题都给出了至少一种实现方法,涵盖了互斥锁、条件变量、信号量等线程同步机制的使用。
240 3
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口

热门文章

最新文章