152. 乘积最大子数组
题目来源：https://leetcode-cn.com/problems/maximum-product-subarray/
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 1:
输入: [2,3,-2,4]
输出: 6
解释: 子数组 [2,3] 有最大乘积 6。
示例 2:
输入: [-2,0,-1]
输出: 0
解释: 结果不能为 2, 因为 [-2,-1] 不是子数组。
解题思路
思路：动态规划
这道题跟之前【53. 最大子序和】 题有点类似，不过这里要求的是乘积最大值。
因为两道题要求都是连续的，在这里，我们可以这样进行状态设计，也就是以 nums[i] 结尾的连续子数组的最大值。
现在具体看下如何进行状态设计、推导状态转移方程，进而加以实现。
因为数组中存在着负数，所以有可能导致乘积会从最大变为最小，同样的，最小也可能变为最大。这里需要注意。
现在，先进行状态设计：
d[i][j]： 表示以 nums[i] 结尾的连续子数组的最值。在这里，j 决定计算的是最大值还是最小值。
- 其中当 j = 0 时，表示计算的是最小值，
- 当 j = 1 时，表示计算的是最大值。
现在推导状态转移方程：
因为是乘积的关系，nums[i] 数值的正负，与前面的状态值是有联系的，具体如下：
- 当 nums[i] > 0 时：
- 与最大值的乘积依然是最大值
- 与最小值的乘积依然是最小值
- 当 nums[i] < 0 时：
- 与最大值的乘积变为最小值
- 与最小值的乘积变为最大值
- 当 nums[i] = 0 时，这里无论最大最小值，最终结果都是 0，这里其实可以合并在上面任意一种情况。
但是还有需要注意的地方，这里前面的状态值的正负也是会影响最终的最值。假如，前面的最大值是负数的情况下，也就是 dp[i-1][1] < 0，但这是 nums[i] > 0 的情况下，这里就要重新考虑，此时的最大值应该是 dp[i][1] = nums[i]。
按照这个思路，将所有情况的状态转移方程都写出来，具体如下：
dp[i][0] = min(nums[i], dp[i-1][0] * nums[i]) if nums[i] >= 0
dp[i][1] = max(nums[i], dp[i-1][1] * nums[i]) if nums[i] >= 0
dp[i][0] = min(nums[i], dp[i-1][1] * nums[i]) if nums[i] < 0
dp[i][1] = max(nums[i], dp[i-1][0] * nums[i]) if nums[i] < 0
具体的代码实现如下。
代码实现
class Solution:
def maxProduct(self, nums: List[int]) -> int:
if len(nums) == 0:
return 0
length = len(nums)
# 初始化
# dp 数组有两个元素，一个存储最大值，一个最小值
dp = [[0] * 2 for _ in range(length)]
# 初始化数组首元素为最大值和最小值
dp[0][0] = nums[0]
dp[0][1] = nums[0]
# 开始遍历
for i in range(1, length):
# 状态转移方程
if nums[i] > 0:
dp[i][0] = min(nums[i], dp[i-1][0] * nums[i])
dp[i][1] = max(nums[i], dp[i-1][1] * nums[i])
else:
dp[i][0] = min(nums[i], dp[i-1][1] * nums[i])
dp[i][1] = max(nums[i], dp[i-1][0] * nums[i])
# 因为最终要求得最大值，那么在 dp[i][1] 找得最大即可
# 初始化返回值
res = dp[0][1]
for i in range(1, length):
res = max(res, dp[i][1])
return res
实现结果
以上就是使用动态规划，根据题意进行状态设计，推导出状态转移方程，用代码加以实现，进而解决《152. 乘积最大子数组》问题的主要内容。
欢迎关注微信公众号《书所集录》