链接
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/
前言
有思路,但是不容易做出来
题目
给定一个数组 prices
,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
- 示例1
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票
- 示例2
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
关键
思路1
这是一道类似单调栈思想的数组题,我们遍历数组的同时维护一个最小值min_price,和最大利润profit。
然后计算当前值current_price减去min_price,更新max(profit,current_price - min_price)。
O(n)的时间复杂度完成这道题。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
min_ = prices[0]
profit = 0
for i in range(1, len(prices)):
min_ = min(prices[i], min_)
profit = max(prices[i]-min_, profit)
return profit
思路2(20210710)
- 动态规划dp
- 到最后交易结束时会有以下3种状态
- 1.一直没买
- 2.到最后只买了一次
- 3.到最后买了一次,卖了一次
- 初始化状态
- dp0 = 0:什么都不买,收益为0
- dp1 = -prices[0]:买入就减去买入的费用
- dp2 = float("-Inf"):不可能在初始化状态就买了一次,卖了一次,所以设为-Inf
- 状态转换
- dp0 = 0:一直不买的话,收益始终为0
- dp1 = max(dp1, dp0-prices[i]):两种情况取最大值:不买入的话就跟上一状态一样,买入的话就减去买入的费用
- dp2 = max(dp2, dp1+prices[i]):两种情况取最大值:不买入的话就跟上一状态一样,卖出的话就加上卖出的收益
- 最后要想收益最大,肯定是在有买入卖出赚钱的情况下了
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) < 2:
return 0
dp0 = 0
dp1 = -prices[0]
dp2 = float("-Inf")
for i in range(1, len(prices)):
dp0 = 0
dp1 = max(dp1, dp0-prices[i])
dp2 = max(dp2, dp1+prices[i])
return dp2