算法基础——动态规划和买卖股票最佳时机问题(力扣121)
编辑时间2023/10/19
1.力扣121
1.1问题描述:
【力扣121】: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 。
1.2解题思路:
1.暴力求解,双层循环(利润值替换)
对于每组 i和 j(其中 j>i)我们需要找出max(prices[j]−prices[i])。
2.一次遍历方法(找谷值)
找到最小值,迭代利润 prices[i] - minprice
1.3算法设计:
(1)双层循环
public class Solution {
public int maxProfit(int[] prices) {
//定义最大利润
int maxprofit = 0;
//双层循环遍历查找
for (int i = 0; i < prices.length ; i++) {
for (int j = i + 1; j < prices.length; j++) {
//计算利润
int profit = prices[j] - prices[i];
//迭代出最大利润
if (profit > maxprofit) {
maxprofit = profit;
}
}
}
return maxprofit;
}
}
(2)一次遍历方法
public class Solution {
public int maxProfit(int[] prices) {
//定义最大利润
int maxprofit = 0;
int minprofit =Integer.MAX_VALUE;
//双层循环遍历查找
for (int i = 0; i < prices.length ; i++) {
//找出最小谷值
if(minprofit>prices[i]){
minprofit=prices[i];
}else if(prices[i] - minprofit>maxprofit){
//计算利润 prices[i] - minprofit
maxprofit = prices[i] - minprofit;
}
}
return maxprofit;
}
}
1.4时间复杂度与空间复杂度分析:
(1)暴力算法
时间复杂度:O(n^2),循环运行n(n-1)/2
空间复杂度:O(1),只使用了常数个变量。
(2)找谷值一次遍历
时间复杂度:O(n),只需要遍历一次。
空间复杂度:O(1),只使用了常数个变量
2.总结
(1)什么是动态规划?
动态规划算法是一种解决多阶段决策过程中的最优化问题的方法。它将原问题分解成若干个子问题,通过求解子问题的最优解来得到原问题的最优解。使用动态规划算法可以避免重复计算,提高计算效率。
(2).动态规划题目特点?
动态规划题目的特点是具有最优子结构和重叠子问题。最优子结构指的是原问题的最优解可以由子问题的最优解推导出来;重叠子问题指的是在求解过程中会出现重复的子问题。
(3)动态规划步骤?
动态规划的解题步骤包括以下几个方面:
1.确定状态:将原问题分解成若干个子问题,确定每个子问题的状态。 确定状态转移方程:根据子问题之间的关系,确定状态转移方程。
2.确定边界条件:确定最小子问题的解。 计算顺序:按照一定的计算顺序,依次求解子问题的最优解。
3.求解原问题:根据子问题的最优解,求解原问题的最优解。