将上述 Python 的 `maxProduct` 函数改写为 C++ 版本，核心逻辑保持一致。以下是完整的 C++ 实现代码： ```cpp #include <vector> #include <algorithm> // std::max, std::min using namespace std; int maxProduct(vector<int>& nums) { if (nums.empty()) return 0; // 空数组直接返回0 int cur_max = nums[0]; // 记录当前最大乘积 int cur_min = nums[0]; // 记录当前最小乘积 int res = nums[0]; // 全局最大乘积初始化为首元素 for(int i = 1; i < nums.size(); ++i){ int num = nums[i]; // 如果当前数字小于0，则交换最大和最小乘积（因为负数会反转大小关系） if(num < 0){ swap(cur_max, cur_min); } // 更新当前的最大乘积和最小乘积 cur_max = max(num, cur_max * num); cur_min = min(num, cur_min * num); // 更新全局最大乘积 res = max(res, cur_max); } return res; } ``` ### 详细解释： 1. **初始化部分** 使用首元素 `nums[0]` 来初始化三个关键变量：当前最大乘积 (`cur_max`)、当前最小乘积 (`cur_min`) 和结果 (`res`)。 2. **循环迭代** 遍历从索引 1 开始的每个元素，并根据是否为负数判断是否需要交换 `cur_max` 和 `cur_min`。这一步非常重要，因为在乘法运算中，较小的负数可能会变成较大的正值。 3. **动态规划状态转移公式** ```cpp cur_max = max(num, cur_max * num); cur_min = min(num, cur_min * num); ``` 每次更新后的 `cur_max` 表示以当前位置结尾的子数组所能取得的最大乘积，`cur_min` 则表示最小乘积。这是因为当遇到下一个负数时，之前的小值可能变得很大。 4. **更新全局最优解** 每次比较并保存更大的全局解： ```cpp res = max(res, cur_max); ``` 5. **最终结果** 循环结束后，`res` 即为目标最大连续子数组乘积。 --- #### 示例测试案例 假设输入数组为 `{2, 3, -2, 4}`： - 第一次计算后：`cur_max=6`, `cur_min=3`, `res=6` - 下一负数导致翻转：`cur_max=-4`, `cur_min=-12`, `res=6` - 最终结果是：`res=8` 输出结果即为 `8`。