既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
dp[i-1][0]
前一天没有持有股票,当天也不购买股票dp[i-1][1] +prices[i]
前一天持有股票,当天卖出
dp[i][0]
就是 两种情况的最大值
- 对于
dp[i][1]
有两种情况:
- 由于只能买卖一次,所以当天购买股票就是
-prices[i]
- 前一天持有股票,当天不进行任何操作
dp[i-1][1]
dp[i][1]
就是 两种情况的最大值
//动态转移方程
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(-prices[i],dp[i-1][1]);
结果是最后一天不持有股票的值 dp[n-1][0]
思路2:贪心(一次遍历)
因为我们在卖出股票之前必须先买入,所以我们可以使用一个变量 min 记录下之前所有天股票的最低价格,使用另一个变量max记录到当前为止最大收益,然后每遍历到一天就计算 这一天如果卖出股票所获得收益 并与max比较更新max
//每次使用当天的价格减去之前天数的最小价格 更新max
max = Math.max(max,prices[i] - min);
min = Math.min(min,prices[i]);
🏳️🌈3.代码实现
动态规划 代码实现:
import java.util.\*;
public class Solution {
/\*\*
\*
\* @param prices int整型一维数组
\* @return int整型
\*/
public int maxProfit (int[] prices) {
int n = prices.length;
//下标i是从0开始
//dp[i][0] 表示第i+1天不持有股票 从第一天到第i+1天的收益
//dp[i][1] 表示第i+1天持有股票 从第一天到第i+1天的收益
int[][] dp = new int[n][2];
//初始化第一天不持有股票的收益0
dp[0][0] = 0;
//初始化第一天持有股票的收益 就是第一天买了当天的股票 -prices[0]
dp[0][1] = -prices[0];
//从第二天开始
for(int i = 1;i < n; i++){
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(-prices[i],dp[i-1][1]);
}
//最后一天不持有股票此时的值就是最大收益
return dp[n-1][0];
}
}
贪心 代码实现:
import java.util.\*;
public class Solution {
/\*\*
\*
\* @param prices int整型一维数组
\* @return int整型
\*/
public int maxProfit (int[] prices) {
//记录最小值 初始值为数据范围最大+1
int min = 10001;
//记录最大值,初始值为0
int max = 0;
int n = prices.length;
//遍历数组记录所遍历过的价格的最小值
for(int i = 0;i < n; i++){
//每次使用当天的价格减去之前天数的最小价格 更新max
max = Math.max(max,prices[i] - min);
min = Math.min(min,prices[i]);
}
return max;
}
}
🚩二、买卖股票的最好时机(二)
🏳️🌈1.题目描述
假设你有一个数组prices,长度为n,其中prices[i]是某只股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益
1.你可以多次买卖该只股票,但是再次购买前必须卖出之前的股票
如果不能获取收益,请返回0
假设买入卖出均无手续费
数据范围: 1≤n≤1×10^5 , 1≤ prices ≤10^4
要求:空间复杂度 O(n),时间复杂度 O(n)
进阶:空间复杂度 O(1),时间复杂度 O(n)
示例1
输入:
[8,9,2,5,4,7,1]
返回值:
7
说明:
在第1天(股票价格=8)买入,第2天(股票价格=9)卖出,获利9-8=1
在第3天(股票价格=2)买入,第4天(股票价格=5)卖出,获利5-2=3
在第5天(股票价格=4)买入,第6天(股票价格=7)卖出,获利7-4=3 总获利1+3+3=7,返回7
🏳️🌈2.题目分析
在第一题的基础上增加了可以多次买卖该只股票,那我们就不能用只买卖一次的思路思考,多次进行买卖然后求最大值,我们不能使用简单暴力法了,因为我们不知道总共需要进行多少次买卖。那我们就还使用动态规划模拟所有情况
思路1:动态规划
与第一题分析思路类似
dp[i][0] //表示第 i+1天没有持有股票 (i是从0开始)
dp[i][1] //表示第 i+1天持有股票
推导状态转移方程:
- 对于
dp[i][0]
可能有两种情况:
dp[i-1][0]
前一天没有持有股票,当天也不购买股票dp[i-1][1] +prices[i]
前一天持有股票,当天卖出
dp[i][0]
就是 两种情况的最大值
- 对于
dp[i][1]
有两种情况:
- 可以多次买卖(注意和第一题的区别),前一天没有持有股票,当天购买股票就是
dp[i-1][0]-prices[i]
- 前一天持有股票,当天不进行任何操作
dp[i-1][1]
dp[i][1]
就是 两种情况的最大值
//动态转移方程
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);
结果是最后一天不持有股票的值 dp[n-1][0]
思路2:贪心(一次遍历)
股票的变化是光滑的直线,由图可知每次买卖都是 极小值买入 极大值卖出,根据极小值极大值定义,极小值之后一定是递增的,那么在遇到极大值之前这之间的每个值 - 前面的值 就是最终 极大值 - 极小值(类似于差分,把一段上升直线的分成若干小段,每一小段增加的量累加到一起,就是整个上升直线的最大差值)
转化成编程思路 就是 如果 某一天比前一天股票的价格高,那么就进行买卖
if(prices[i] > prices[i-1]){
sum += prices[i] - prices[i-1];
}
🏳️🌈3.代码实现
动态规划 代码实现:
import java.util.\*;
public class Solution {
/\*\*
\* 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可
\* 计算最大收益
\* @param prices int整型一维数组 股票每一天的价格
\* @return int整型
\*/
public int maxProfit (int[] prices) {
int n = prices.length;
//下标i是从0开始
//dp[i][0] 表示第i+1天不持有股票 从第一天到第i+1天的收益
//dp[i][1] 表示第i+1天持有股票 从第一天到第i+1天的收益
int[][] dp = new int[n][2];
//初始化第一天不持有股票的收益0
dp[0][0] = 0;
//初始化第一天持有股票的收益 就是第一天买了当天的股票 -prices[0]
dp[0][1] = -prices[0];
//从第二天开始
for(int i = 1;i < n; i++){
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);
}
//最后一天不持有股票此时的值就是最大收益
return dp[n-1][0];
}
}
贪心 代码实现:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-1mQEafiH-1715791960726)]
[外链图片转存中…(img-lDbtOBHc-1715791960727)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!