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++
1 int maxProduct(vector<int>& nums) {
2 int size = nums.size();
3 /* 整数数组 nums 只包含一个元素 */
4 if (size == 1) {
5 return nums[0];
6 }
7
8 /* maxRes 记录整数数组 nums 中乘积最大的连续子数组的乘积 */
9 int maxRes = nums[0];
10 for (int i = 0; i < size; ++i) {
11 /* curMax 记录整数数组 nums 中当前乘积最大的连续子数组的乘积 */
12 int curMax = 1;
13 for (int j = i; j < size; ++j) {
14 curMax *= nums[j];
15 /* 不断更新 nums 中乘积最大的连续子数组的乘积 maxRes */
16 maxRes = max(maxRes, curMax);
17 }
18 }
19
20 return maxRes;
21 }
View Code
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++
1 int maxProduct(vector<int>& nums) {
2 int size = nums.size();
3 /* 整数数组 nums 只包含一个元素 */
4 if (size == 1) {
5 return nums[0];
6 }
7
8 /* curMax：以 nums[i] 结尾的当前乘积最大的连续子数组 */
9 /* curMin：以 nums[i] 结尾的当前乘积最小的连续子数组 */
10 int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
11 for (int i = 1; i < size; ++i) {
12 /* nums[i] < 0 时，交换 curMax 和 curMin */
13 if (nums[i] < 0) {
14 swap(curMax, curMin);
15 }
16
17 /* 不断更新 curMax、curMin 和 maxRes */
18 curMax = max(curMax * nums[i], nums[i]);
19 curMin = min(curMin * nums[i], nums[i]);
20 maxRes = max(maxRes, curMax);
21 }
22
23 return maxRes;
24 }
View Code
C
1 void swap(int *a, int *b) {
2 int temp = *a;
3 *a = *b;
4 *b = temp;
5 }
6 int maxProduct(int* nums, int numsSize){
7 if (numsSize == 1) {
8 return nums[0];
9 }
10
11 int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
12 for (int i = 1; i < numsSize; ++i) {
13 if (nums[i] < 0) {
14 swap(&curMax, &curMin);
15 }
16
17 curMax = fmax(curMax * nums[i], nums[i]);
18 curMin = fmin(curMin * nums[i], nums[i]);
19 maxRes = fmax(maxRes, curMax);
20 }
21
22 return maxRes;
23 }
View Code
java
1 int maxProduct(int[] nums) {
2 int size = nums.length;
3 if (size == 1) {
4 return nums[0];
5 }
6
7 int maxRes = nums[0], curMax = nums[0], curMin = nums[0];
8 for(int i = 1; i < size; ++i){
9 if(nums[i] < 0){
10 int tmp = curMax;
11 curMax = curMin;
12 curMin = tmp;
13 }
14
15 curMax = Math.max(curMax * nums[i], nums[i]);
16 curMin = Math.min(curMin * nums[i], nums[i]);
17 maxRes = Math.max(maxRes, curMax);
18 }
19
20 return maxRes;
21 }
22 }
View Code
python3
1 class Solution: 2 def maxProduct(self, nums: List[int]) -> int: 3 size = len(nums) 4 if size == 1: 5 return nums[0] 6 7 maxRes = curMax = curMin = nums[0] 8 for i in range(1, size): 9 if nums[i] < 0: 10 curMax, curMin = curMin, curMax 11 12 curMax = max(curMax * nums[i], nums[i]) 13 curMin = min(curMin * nums[i], nums[i]) 14 maxRes = max(maxRes, curMax) 15 16 return maxResView Code
golang
1 func maxProduct(nums []int) int {
2 size := len(nums)
3 if size == 1 {
4 return nums[0]
5 }
6
7 maxRes, curMax, curMin := nums[0], nums[0], nums[0]
8 for i := 1; i < size; i++ {
9 if nums[i] < 0 {
10 curMax, curMin = curMin, curMax
11 }
12
13 curMax = max(curMax * nums[i], nums[i])
14 curMin = min(curMin * nums[i], nums[i])
15 maxRes = max(curMax, maxRes)
16 }
17
18 return maxRes
19 }
20
21 func max(a, b int) int {
22 if a > b {
23 return a
24 }
25 return b
26 }
27
28 func min(a, b int) int {
29 if a < b {
30 return a
31 }
32 return b
33 }
View Code
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)。