LeetCode 121. 买卖股票的最佳时机 动态规划详解

121. 买卖股票的最佳时机

题目来源

121. 买卖股票的最佳时机

题目分析

给定一个数组 prices ，其中 prices[i] 是一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

题目难度

• 难度：简单

题目标签

• 标签：动态规划

题目限制

• 1 <= prices.length <= 3 * 10^4
• 0 <= prices[i] <= 10^4

解题思路

思路：动态规划

1. 问题定义：

   • 本题要求通过选择适当的买入和卖出时机，计算在单次买卖操作中所能获得的最大利润。

2. 核心算法：

   • 动态规划：我们使用一个变量来记录当前遇到的最低价格，另一个变量来记录当前所能获得的最大利润。随着遍历股票价格数组，不断更新最低价格和最大利润。

3. 关键步骤：

   • 遍历数组时，更新最低价格 minPrice 和最大利润 maxProfit。
   • 通过与当前价格计算差值来判断是否需要更新最大利润。

核心算法步骤

1. 初始化变量：

   • minPrice 记录股票的最低价格，初始为 prices[0]。
   • maxProfit 记录最大利润，初始为 0。

2. 遍历价格数组：

   • 对每个价格 price，更新 minPrice 为当前的最小价格。
   • 计算 price - minPrice 并更新 maxProfit 为当前最大利润。

3. 返回结果：

   • 遍历结束后，maxProfit 即为最大利润。

代码实现

以下是动态规划法的 Java 代码实现：

/**
 * 121. 买卖股票的最佳时机
 * @param prices 股票价格数组
 * @return 最大利润
 * @apiNote 动态规划，时间复杂度O(n)，空间复杂度O(1)
 */
public int maxProfit3(int[] prices) {
    int minPrice = prices[0];
    int maxProfit = 0;
    for (int price : prices) {
        minPrice = Math.min(minPrice, price);
        maxProfit = Math.max(maxProfit, price - minPrice);
    }
    return maxProfit;
}

代码解读

• 初始化最低价格：minPrice 被初始化为数组的第一个元素。
• 遍历更新：在遍历数组时，minPrice 不断更新为当前遍历到的最低价格，maxProfit 则更新为当前价格与最低价格的差值中的最大值。
• 返回最大利润：循环结束后，maxProfit 存储的即为最大利润。

性能分析

• 时间复杂度：O(n)，遍历一次数组即可获得最大利润。
• 空间复杂度：O(1)，只使用了常数级别的辅助空间。

复杂度效果

测试用例

你可以使用以下测试用例来验证代码的正确性：

// 测试用例1
int[] prices1 = {7, 1, 5, 3, 6, 4};
int result1 = maxProfit3(prices1); 
System.out.println(result1); // 输出: 5

// 测试用例2
int[] prices2 = {7, 6, 4, 3, 1};
int result2 = maxProfit3(prices2); 
System.out.println(result2); // 输出: 0

扩展讨论

优化写法

• 单次遍历法：通过单次遍历数组即可在 O(n) 时间复杂度下找到最大利润，这是时间最优解法。

其他实现

• 暴力法：通过两重循环枚举所有的买卖组合，时间复杂度为 O(n^2)，不推荐。

总结

这道题目主要考察了对动态规划的理解，通过对最低价格的动态更新和利润的实时计算，可以在 O(n) 的时间复杂度内得到最优解。

---