现在做网站开发吗关键词搜索挖掘爱网站
题目链接：最长湍流子数组
目录
题目解析：
算法原理
1.状态表示
2.状态转移方程
3.初始化
4.填表顺序
5.返回值
编写代码
题目解析：
题目让我们求返回 arr 的 最大湍流子数组的长度
由题可得：
如果比较符号在子数组中的每个相邻元素对之间翻转，则该子数组是 湍流子数组;
算法原理:
1.状态表示
先创建一个dp表
首先先思考dp表里面的值所表示的含义（是什么？）
这里我们需要两个dp表：
f[i]:以i位置为结尾，i位置为“上升”的最大湍流子数组的长度
g[i]:以i位置为结尾，i位置为“下降”的最大湍流子数组的长度
这种状态表示怎么来的？
1.经验+题目要求
用之前或者之后的状态，推导出dp[i][j]的值；
根据最近的最近的一步，来划分问题
经验：以i位置为结尾；
题目让我们返回 arr 的 最大湍流子数组的长度 ，
所以我们可以先设一个“dp表”表示以i位置为结尾，i位置最大湍流子数组的长度。
但是我们会发现：
只有一个dp表无法表示该位置的状态，状态分得还不够细（是>还是<）
所以这里我们尝试再加一个状态表示：
f[i]:以i位置为结尾，i位置为“上升”的最大湍流子数组的长度
g[i]:以i位置为结尾，i位置为“下降”的最大湍流子数组的长度
2.状态转移方程
dp[i]等于什么？
以i位置为结尾有三种情况：
只有是情况1和2时才有可能时湍流子数组；
根据我们的状态表示：
情况一（i位置为“上升”）：
那么需要前面一个位置是“下降”的才满足湍流子数组；
所以此时i位置的最长湍流子数组应该是前面一个位置为“下降”的最长湍流子数组的长度+1；
而“前面一个位置为“下降”的最长湍流子数组的长度”就是我们的状态表示：g[i-1]
所以：f[i]=g[i-1]+1
情况二（i位置为“下降”）：
那么需要前面一个位置是“上升”的才满足湍流子数组；
所以此时i位置的最长湍流子数组应该是前面一个位置为“上升”的最长湍流子数组的长度+1；
而“前面一个位置为“上升”的最长湍流子数组的长度”就是我们的状态表示：g[i-1]
所以：g[i]=f[i-1]+1
3.初始化
(保证填表的时候不越界)
我们是从第二个元素比的，所以把要把前面的都初始化为1
4.填表顺序
（为了填写当前状态的时候，所需要的状态已经计算过了）
这里所需要的状态是：[i-1]
所以填表顺序从左往右
5.返回值
（根据题目要求和状态表示）
综上分析：
返回值为：两个表里的最大值
编写代码:
class Solution {
public:int maxTurbulenceSize(vector<int>& arr) {//1.创建dp表//2.初始化//3.填表//4.返回结果int n=arr.size();vector<int> f(n+1,1);auto g=f;int ret=1;for(int i=2;i<n+1;i++){if(arr[i-1]>arr[i-2]){f[i]=g[i-1]+1;}else if(arr[i-1]<arr[i-2]){g[i]=f[i-1]+1;}ret=max({(int)ret,g[i],f[i]});}return ret;}
};