【leetcode】152.(Medium)Maximum Product Subarra

最新推荐文章于 2026-05-03 06:35:20 发布

原创最新推荐文章于 2026-05-03 06:35:20 发布 · 221 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

leetcode

当前文章被收录于：

leetcode

257 篇文章 2 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文介绍了一种使用动态规划方法解决特定数组中最大乘积的问题。通过维护最大值和最小值，算法能够有效应对数值正负变化带来的挑战。最终找到数组中连续子集的最大乘积。

解题思路：

DP
维护两个数组min[]和max[]
max[i]表示0-i之间肯定包含第i位数的最大值；
min[i]表示0-i之间肯定包含第i位数的最小值；
则第i位的最大值从（max[i-1]*nums[i]，min[i-1]*nums[i],nums[i]）中进行选择
同时需要维护一个max值，用于记录dp过程中的最大值，即max[]数组中的最大值。

可以优化不使用数组来记录临时量，而使用5个变量即可。

提交代码：

class Solution {
    public int maxProduct(int[] nums) {
        if(nums==null||nums.length<1)	return 0;
        
        int preMax=nums[0],curMax=nums[0];
        int preMin=nums[0],curMin=nums[0];
        int max=nums[0];
        
        for(int i=1;i<nums.length;i++) {
        	curMax=Math.max(preMax*nums[i],preMin*nums[i]);
        	curMax=Math.max(curMax, nums[i]);        	
        	curMin=Math.min(preMax*nums[i],preMin*nums[i]);
        	curMin=Math.min(curMin, nums[i]);
        	max=Math.max(max, curMax);
        	preMax=curMax;
        	preMin=curMin;
        }
        return max;
    }
}