当前位置: 首页 > news >正文

LeetCode题练习与总结:三个数的最大乘积--628

一、题目描述

给你一个整型数组 nums ,在数组中找出由三个数组成的最大乘积,并输出这个乘积。

示例 1:

输入:nums = [1,2,3]
输出:6

示例 2:

输入:nums = [1,2,3,4]
输出:24

示例 3:

输入:nums = [-1,-2,-3]
输出:-6

提示:

  • 3 <= nums.length <= 10^4
  • -1000 <= nums[i] <= 1000

二、解题思路

  • 对数组进行排序。
  • 考虑到负数乘以负数会得到正数,所以最大的乘积可能由两种情况产生:
    • 最大的三个正数相乘。
    • 最小的两个负数(它们相乘得到正数)和最大的正数相乘。
  • 比较这两种情况得到的乘积,取较大的一个作为结果。

三、具体代码

import java.util.Arrays;class Solution {public int maximumProduct(int[] nums) {// 对数组进行排序Arrays.sort(nums);// 数组长度int n = nums.length;// 最大的三个数相乘int product1 = nums[n - 1] * nums[n - 2] * nums[n - 3];// 最小的两个数(可能为负数)和最大的数相乘int product2 = nums[0] * nums[1] * nums[n - 1];// 返回两种情况中较大的乘积return Math.max(product1, product2);}
}

四、时间复杂度和空间复杂度

1. 时间复杂度
  • 排序操作:Arrays.sort(nums) 是一个通用的排序算法,通常基于快速排序或归并排序实现,其平均时间复杂度为 O(n log n),其中 n 是数组 nums 的长度。

  • 计算乘积:在排序后,计算两个乘积 product1 和 product2 的时间复杂度是 O(1),因为这些操作都是常数时间的操作。

因此,整个函数的时间复杂度主要取决于排序操作,为 O(n log n)。

2. 空间复杂度
  • 排序操作:Arrays.sort(nums) 在最坏情况下可能需要 O(log n) 的空间复杂度,这是由于递归调用栈的深度。不过,对于大多数实现,这个空间复杂度可以认为是 O(1),因为它们使用了原地排序算法。

  • 临时变量:除了输入数组 nums 以外,我们使用了常数个额外空间(nproduct1product2),因此这部分的空间复杂度是 O(1)。

综合上述分析,整个函数的空间复杂度是 O(1),即常数空间复杂度。

五、总结知识点

  • 类定义

    • class 关键字用于定义一个类。
    • Solution 是类的名称。
  • 方法定义

    • public 关键字指定方法的访问修饰符,表示该方法可以被任何其他类访问。
    • int 表示方法返回值的类型。
    • maximumProduct 是方法的名称。
    • int[] nums 是方法的参数,表示一个整型数组。
  • 数组排序

    • Arrays.sort(nums) 是一个静态方法调用,用于对数组 nums 进行排序。
  • 数组操作

    • nums.length 用于获取数组的长度。
    • nums[n - 1]nums[n - 2]nums[n - 3] 等用于访问数组中的元素。
  • 基本数据类型和算术运算

    • int 是 Java 中的基本数据类型,用于表示整数。
    • * 是乘法运算符,用于计算两个整数的乘积。
  • 条件判断和返回值

    • Math.max(product1, product2) 是一个静态方法调用,用于计算两个整数中的最大值。
    • return 语句用于从方法中返回一个值。

以上就是解决这个问题的详细步骤,希望能够为各位提供启发和帮助。

相关文章:

LeetCode题练习与总结:三个数的最大乘积--628

一、题目描述 给你一个整型数组 nums &#xff0c;在数组中找出由三个数组成的最大乘积&#xff0c;并输出这个乘积。 示例 1&#xff1a; 输入&#xff1a;nums [1,2,3] 输出&#xff1a;6示例 2&#xff1a; 输入&#xff1a;nums [1,2,3,4] 输出&#xff1a;24示例 3&a…...

Colorful/七彩虹 隐星P15 TA 24 原厂Win11 家庭版系统 带F9 Colorful一键恢复功能

Colorful/七彩虹 隐星P15 TA 24 原厂Win11 家庭中文版系统 带F9 Colorful一键恢复功能 自动重建COLORFUL RECOVERY功能 带所有随机软件和机型专用驱动 支持机型&#xff1a;隐星P15 TA 24 文件下载&#xff1a;asusoem.cn/745.html 文件格式&#xff1a;ISO 系统版本&…...

第二篇:多模态技术突破——DeepSeek如何重构AI的感知与认知边界

——从跨模态对齐到因果推理的工程化实践 在AI技术从单一模态向多模态跃迁的关键阶段&#xff0c;DeepSeek通过自研的多模态融合框架&#xff0c;在视觉-语言-语音的联合理解与生成领域实现系统性突破。本文将从技术实现层面&#xff0c;解构其跨模态表征学习、动态融合机制与…...

CTreeCtrl 设置图标

mfc界面修改真难受 使用CTreeCtrl 进行设置导航视图时&#xff0c;有时候需要设置图标&#xff0c;一般使用如下代码 m_TreeViewImages.DeleteImageList();UINT uiBmpId IDB_ICONLIST_TREE;CBitmap bmp; if (!bmp.LoadBitmap(uiBmpId)) return;BITMAP bmpObj; bmp.GetBitmap…...

在JAX-RS中获取请求头信息的方法

在JAX-RS中获取请求头信息的方法 HeaderParam注解&#xff0c;可以直接将请求头中的特定值注入到方法参数中&#xff0c;代码示例&#xff1a; import javax.ws.rs.GET; import javax.ws.rs.HeaderParam; import javax.ws.rs.Path; import javax.ws.rs.core.Response;Path(&q…...

Java 面试之结束问答

技术优化 线程池优化 设置最大线程数设置最小核心线程数设置额外线程存活时间选择线程池队列选择合适的线程池选择合适的饱和策略 锁优化 尽量不要锁住方法缩小同步代码块&#xff0c;只锁数据锁中尽量不要再包含锁将锁私有化&#xff0c;在内部管理锁进行适当的锁分解 HT…...

柔性数组与c/c++程序中内存区域的划分

1.柔性数组 1.1柔性数组的定义 柔性数组是指在结构体中定义的&#xff0c;其大小在编译时未确定&#xff0c;而在运行时动态分配的数组。这种数组允许结构体的大小根据需要动态变化。语法如下&#xff1a; struct D {int a;int arry1[0]; };struct F {int a;int arry2[]; };…...

mini-lsm通关笔记Week2Day7

项目地址&#xff1a;https://github.com/skyzh/mini-lsm 个人实现地址&#xff1a;https://gitee.com/cnyuyang/mini-lsm 在上一章中&#xff0c;您已经构建了一个完整的基于LSM的存储引擎。在本周末&#xff0c;我们将实现存储引擎的一些简单但重要的优化。欢迎来到Mini-LSM的…...

Typora免费使用

一.下载地址 https://typoraio.cn/ 二.修改配置文件 1.找到安装路径下的LicenseIndex.180dd4c7.4da8909c.chunk.js文件 文件路径为:安装路径\resources\page-dist\static\js\LicenseIndex.180dd4c7.4da8909c.chunk.js 将js中的 e.hasActivated"true"e.hasActiva…...

AI驱动的无线定位:基础、标准、最新进展与挑战

1. 论文概述 研究目标:本论文旨在综述AI在无线定位领域的应用,包括其基础理论、标准化进展、最新技术发展,以及面临的挑战和未来研究方向。主要发现: AI/ML 技术已成为提升无线定位精度和鲁棒性的关键手段,特别是在 3GPP 标准的推动下。论文系统性地分析了 AI 在 LOS/NLOS…...

苹果再度砍掉AR眼镜项目?AR真的是伪风口吗?

曾经&#xff0c;AR游戏一度异常火热&#xff0c;宝可梦go让多少人不惜翻墙都要去玩&#xff0c;但是也没过去几年&#xff0c;苹果被曝出再度砍掉了AR眼镜项目&#xff0c;面对着市场的变化&#xff0c;让人不禁想问AR真的是伪风口吗&#xff1f; 一、苹果再度砍掉AR眼镜项目&…...

18 大量数据的异步查询方案

在分布式的应用中分库分表大家都已经熟知了。如果我们的程序中需要做一个模糊查询&#xff0c;那就涉及到跨库搜索的情况&#xff0c;这个时候需要看中间件能不能支持跨库求交集的功能。比如mycat就不支持跨库查询&#xff0c;当然现在mycat也渐渐被摒弃了(没有处理笛卡尔交集的…...

DRM系列八:Drm之DRM_IOCTL_MODE_ADDFB2

本系列文章基于linux 5.15 在上一篇文章DRM系列七&#xff1a;Drm之DRM_IOCTL_MODE_CREATE_DUMB获取buf的handle和pitch之后&#xff0c;接着使用ioctl(fd, DRM_IOCTL_MODE_ADDFB2, &fb_cmd)创建一个新的帧缓冲区对象&#xff08;framebuffer object),并将帧缓冲区对象与显…...

软件测试用例篇

设计测试用例是测试面试的必考题,务必好好学 1. 测试用例 测试用例的概念 测试⽤例&#xff08;Test Case&#xff09;是为了实施测试而向被测试的系统提供的⼀组集合&#xff0c;这组集合包含&#xff1a;测试环境、操作步骤、测试数据、预期结果等要素。 设计测试⽤…...

PopupMenuButton组件的功能和用法

文章目录 1 概念介绍2 使用方法3 示例代码 我们在上一章回中介绍了Sliver综合示例相关的内容&#xff0c;本章回中将介绍PopupMenuButton组件.闲话休提&#xff0c;让我们一起Talk Flutter吧。 1 概念介绍 我们在本章回中介绍的PopupMenuButton组件位于AppBar右侧&#xff0c;…...

Python进行模型优化与调参

在数据科学与机器学习领域,模型的优化与调参是提高模型性能的重要步骤之一。模型优化可以帮助提高模型的准确性和泛化能力,而合理的调参则能够充分发挥模型的潜力。这篇教程将重点介绍几种常用的模型优化与调参方法,特别是超参数调整和正则化技术的应用。这些技术能够有效地…...

vue2-组件通信

文章目录 vue2-组件通信1. 为什么需要组件通信2. props传递数据3. $emit触发自定义事件4.ref5. EventBus6. p a r e n t 和 parent和 parent和root7. a t t r s 和 attrs和 attrs和listeners8. provide和inject9. vuex10. 总结 vue2-组件通信 1. 为什么需要组件通信 在VUE中…...

20250205确认荣品RK3566开发板在Android13下可以使用命令行reboot -p关机

20250205确认荣品RK3566开发板在Android13下可以使用命令行reboot -p关机 2025/2/5 16:10 缘起&#xff1a;荣品RK3566开发板在Android13下&#xff0c;希望通过Native C语言程序来控制RK3566的关机。 通过ADB&#xff0c;很容易通过reboot -p命令关机。 最开始以为需要su/root…...

设计模式---观察者模式

设计模式—观察者模式 定义对象间的一种一对多的依赖关系&#xff0c;当一个对象的状态发生改变时&#xff0c;所有依赖于它的对象都得到通知并被自动更新。 主要解决的问题&#xff1a;一个对象状态改变给其他对象通知的问题&#xff0c;而且要考虑到易用和低耦合&#xff0c;…...

初八开工!开启数字化转型新征程!

新年新气象&#xff0c;大年初八&#xff0c;我们斗志昂扬&#xff0c;共同奔赴充满希望的新一年&#xff01; 2025 年意义非凡&#xff0c;这是广州市开利网络科技有限公司成立的第 18 个年头 。回首过往&#xff0c;我们一路拼搏&#xff0c;一路成长&#xff0c;积累了深厚的…...

告别格式转换困境:Word-to-Markdown工具的高效智能无缝方案

告别格式转换困境&#xff1a;Word-to-Markdown工具的高效智能无缝方案 【免费下载链接】word-to-markdown A ruby gem to liberate content from Microsoft Word documents 项目地址: https://gitcode.com/gh_mirrors/wo/word-to-markdown 当技术文档作者需要将Word内容…...

MLRSNet:多标签遥感数据集在语义场景理解中的创新应用

1. 遥感图像分析的痛点与多标签数据集的崛起 第一次接触遥感图像分析时&#xff0c;我盯着卫星照片里密密麻麻的像素点发懵——农田边缘的建筑物该算农业设施还是居民区&#xff1f;港口旁边的道路该标注为交通线还是工业配套&#xff1f;这种模棱两可的场景在传统单标签数据集…...

VMware ESXi上玩转Proxmox VE:手把手教你搭建家庭虚拟化实验室(含OpenWrt配置)

VMware ESXi与Proxmox VE的融合实践&#xff1a;打造高性能家庭虚拟化平台 在家庭技术爱好者的世界里&#xff0c;搭建一个功能强大且灵活的虚拟化环境已经成为一种趋势。将VMware ESXi与Proxmox VE这两种优秀的虚拟化平台结合起来&#xff0c;不仅能充分利用现有硬件资源&…...

告别重复造轮子:用快马平台高效生成ibbot机器人的通用功能模块

作为一名经常需要开发聊天机器人的开发者&#xff0c;我最近在做一个餐厅订座助手的项目时&#xff0c;发现了一个能大幅提升效率的好方法。今天就来分享一下如何利用InsCode(快马)平台快速生成ibbot的核心功能模块&#xff0c;避免重复造轮子的痛苦经历。 用户意图识别模块的…...

告别重复配置,用快马生成可共享的virtualbox开发环境模板提升团队效率

在团队协作开发中&#xff0c;最让人头疼的莫过于每个成员都要重复配置相同的开发环境。尤其是使用VirtualBox这类虚拟机时&#xff0c;从安装系统到配置依赖&#xff0c;往往要耗费数小时。最近我发现了一个能大幅提升效率的方法——通过InsCode(快马)平台生成可共享的Virtual…...

使用 Aspen Plus 模拟天然气的自热转化

使用aspen plus模拟天然气的自热转化自热重整工艺消耗蒸汽和氧气&#xff0c;将天然气转化为合成气。 事实上&#xff0c;自热转化工艺是放热的部分氧化&#xff08;POX&#xff09;工艺和内热的蒸汽甲烷转化&#xff08;SMR&#xff09;工艺的结合&#xff0c;从热力学角度中和…...

Redis集群模式下如何高效模糊匹配Key?RedisTemplate+Scan全节点遍历实战

Redis集群环境下高效模糊匹配Key的工程实践 Redis作为高性能缓存数据库&#xff0c;在分布式系统中扮演着重要角色。当系统规模扩大&#xff0c;单节点Redis无法满足需求时&#xff0c;集群模式成为必然选择。但在集群环境下&#xff0c;如何高效地进行模糊Key匹配却成为开发者…...

Adv Sci(IF=14.1)上海同济大学上海交通大学医学院等团队:HiST:通过多尺度融合深度学习利用组织学图像重建肿瘤空间转录组

01文献学习今天分享的文献是由上海同济大学、上海交通大学医学院等团队于2026年3月在《Advanced Science》&#xff08;中科院1区top。IF14.1&#xff09;上发表的研究”HiST: Histological Images Reconstruct Tumor Spatial Transcriptomics via MultiScale Fusion Deep Lear…...

OpenArk内核驱动加载故障排除:从问题诊断到解决方案

OpenArk内核驱动加载故障排除&#xff1a;从问题诊断到解决方案 【免费下载链接】OpenArk The Next Generation of Anti-Rookit(ARK) tool for Windows. 项目地址: https://gitcode.com/GitHub_Trending/op/OpenArk OpenArk作为新一代Windows反Rootkit工具&#xff0c;其…...

终极Emscripten编译缓存策略:加速WebAssembly项目构建的完整指南

终极Emscripten编译缓存策略&#xff1a;加速WebAssembly项目构建的完整指南 【免费下载链接】emscripten Emscripten: An LLVM-to-WebAssembly Compiler 项目地址: https://gitcode.com/gh_mirrors/em/emscripten Emscripten作为一款强大的LLVM-to-WebAssembly编译器&a…...