算法基础——动态规划和买卖股票最佳时机问题

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。