解題思路：

1. dp 數組的含義： 以 nums[i] 為結尾的最長遞增子序列的長度。
2. 遞推公式： dp[i] = Math.max(dp[i], dp[j] + 1)。
3. dp 數組初始化： dp[i] = 1。
4. 遍歷順序： 從小到大去遍歷，從 i = 1 開始，直到 i = nums.length - 1。
5. 打印 dp 數組

Java代碼：

class Solution {public int lengthOfLIS(int[] nums) {int[] dp = new int[nums.length];Arrays.fill(dp, 1);int result = 0;for (int i = 0; i < nums.length; i++) {for (int j = 0; j < i; j++) {if (nums[i] > nums[j]) {dp[i] = Math.max(dp[i], dp[j] + 1);}}result = Math.max(result, dp[i]);}return result;}
}

復雜度分析：

• 時間復雜度： O($n^2$)。
• 空間復雜度： O(1)。
  

解題思路：

1. 初始化變量??：

• maxProduct：記錄全局的最大乘積，初始值為數組的第一個元素。
• minProduct：記錄當前的最小乘積，初始值為數組的第一個元素。
• result：記錄最終的結果，初始值為數組的第一個元素。

2. 遍歷數組??： 對于每個元素 nums[i]，我們需要考慮兩種情況：

• 如果 nums[i] 是正數，那么當前的最大乘積可能是 maxProduct $?$ nums[i] 或 nums[i] 本身，而最小乘積可能是 minProduct $?$ nums[i] 或 nums[i] 本身。
• 如果 nums[i] 是負數，那么當前的最大乘積可能是 minProduct $?$ nums[i] 或 nums[i] 本身，而最小乘積可能是 maxProduct $?$ nums[i] 或 nums[i] 本身。
• 為了統一處理這兩種情況，我們可以先計算 nums[i]、maxProduct $?$ nums[i] 和 minProduct $?$ nums[i] 的值，然后取其中的最大值和最小值分別作為新的 maxProduct 和 minProduct。

3. 更新結果??： 在每次迭代中，更新 result 為 maxProduct 和 result 中的較大值。

4. 返回結果??： 遍歷結束后，返回 result。

Java代碼：

public class Solution {public int maxProduct(int[] nums) {int maxProduct = nums[0];int minProduct = nums[0];int result = nums[0];for (int i = 1; i < nums.length; i++) {int tempMax = Math.max(nums[i], Math.max(maxProduct * nums[i], minProduct * nums[i]));minProduct = Math.min(nums[i], Math.min(maxProduct * nums[i], minProduct * nums[i]));maxProduct = tempMax;result = Math.max(result, maxProduct);}return result;}
}

復雜度分析：

• 時間復雜度： O(n)。
• 空間復雜度： O(1)。