算法思想一:表格分区,两次遍历
解题思路:
B[0]= | 1 | A[1] | A[2] | ... | A[n-2] | A[n-1] |
B[1]= | A[0] | 1 | A2 | ... | A[n-2] | A[n-1] |
B[2]= | A[0] | A1 | 1 | ... | A[n-2] | A[n-1] |
... | ... | ... | ... | ... | ... | ... |
B[n-2]= | A[0] | A[1] | A[2] | ... | 1 | A[n-1] |
B[n-1]= | A[0] | A[1] | A[2] | ... | A[n-2] | 1 |
右上角部分:从下到上计算并保存累乘结果
算法流程;
- 初始化数组B,用于保存最终乘积结果
- 先算左下角部分,此时 B[i] = A[0] 到 A[i-1] 的乘积
- temp 从右下角开始,保存每次循环内累乘的右上部分的结果
- 再算右上角部分,从 A[n-1] 遍历到 A[0] , 此时temp = A[i-1]到A[n]的乘积,B[i]=A[0]到A[n-1]乘积
- temp = A[i] 保存每次*循环内累乘的右上部分的结果
代码展示:
Python版本
class Solution: def multiply(self, A): # write code here B = [0] * len(A) B[0] = 1 # 先算左下角部分,此时B[i] = A[0]到A[i-1]的乘积 for i in range(1, len(A)): B[i] = B[i-1] * A[i-1] tmp = 1 for i in reversed(range(len(A))): # 两部分连接,从B[n-1]到B[0]连接上面的乘积结果 B[i] *= tmp # # 右上角部分,从右下角开始向上计算 tmp *= A[i] return B
复杂度分析:
时间复杂度O(N):两个单层循环,N为数组长度
空间复杂度O(1):变量 tmp 使用常数大小额外空间
算法思想二:动态规划
解题思路:
运用动态规划思想,其实解题思路也相似,这样可以减少一次遍历
算法流程:
- 构建一维数组dp, dp[i] 表示A[0]到A[i]所对应的乘积
- 状态初始化,temp相当于保存左下角的乘积
- 从dp[2]开始动态规划更新
- 遇到A[i] = 1 则跳过计算,乘积结果也不变
- 实现 dp = dp * A[i];
- 拼接两部分乘积,保存下一部分的乘积
代码展示:
JAVA版本
import java.util.ArrayList; public class Solution { public int[] multiply(int[] A) { if(A == null || A.length == 0) { return new int[0]; } // dp[i] 表示A[0]到A[i]所对应的乘积 int[] dp = new int[A.length]; // 状态初始化 dp[0] = A[1]; dp[1] = A[0]; // temp 相当于保存左下角的乘积 int temp = dp[0] * dp[1]; // 从dp[2]开始动态规划更新 for(int i=2; i<A.length; i++){ // 1 则跳过计算,乘积结果也不变 if(A[i]!=1){ // 实现 dp = dp * A[i]; // 相当于在表格分区中,dp[j]对A[i]列累乘 for(int j=0; j<i; j++){ dp[j] *= A[i]; } } // 拼接乘积左下和右上部分的乘积 dp[i] = temp; // temp 相当于左下角的乘积 temp *= A[i]; } return dp; } }
复杂度分析:
时间复杂度O(N):for循环,N为数组长度
空间复杂度O(1):变量 tmp 使用常数大小额外空间