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。
提示:
1 <= prices.length <= 10^5
0 <= prices[i] <= 10^4
题给格式:
int maxProfit(int* prices, int pricesSize){
}
特别注意:写了三个版本,最后一个才是能通过测试的,
若只为解题,可直接跳到最后就行,肯定能看懂的,你放心。
三字诀:定—方—始
定:定义数组含义,确定最后一步完成情况(难度:⭐⭐⭐⭐⭐),肯定子问题成立
方:写表达式(就那个核心方程,难度:⭐⭐⭐)
始:给出初始条件
总之一句话:用数组去完成最后一步得出方程式,给出初始累代码
架子一摆,开整
分析:
定:
定义dp[i][j]表示第i天到第j天的最大利润,求的是dp[0][prices-1
]
最后一步:前面第0天到第prices-2天的最大利润已知为dp[0][prices-2],现在添加最后一天,再次比较最大利润, 最后一天有两种可能:
1、最后一天不是卖出日: dp[0][prices]=dp[0][prices-1];
2、最后一天是卖出日: dp[0][prices]=max( dp[k][prices-1] ),(其中0<=k<=princes-2)。
为了方便计算,换个表达方式,dp[0][prices]=max( prices[ prices-1]-prices[0] ,dp[1][prices-1] ),至于为啥,看下图:
字丑,勿喷
方:dp[i][j]=max( dp[i][j-1] , max( prices[j]-prices[0] , dp[i+1][j] ) )
始: 当i==j的时候,dp[i][j]=0;同一天买进又卖出嘛(题设是不行的哦)
欧克,上代码:
int maxProfit(int* prices, int pricesSize){
int i,j,k;
int dp[pricesSize][pricesSize];
for(k=0;k<pricesSize;k++)
dp[k][k]=0;
for(k=1;k<pricesSize;k++)
for(i=0,j=k;j<pricesSize;i++,j++)
dp[i][j]=max(dp[i][j-1],max(dp[i+1][j],prices[j]-prices[i]));
return dp[0][pricesSize-1];
}
因为1 <= prices.length <= 10^5,二维数组在函数里开不了这么大,而且超时。
版本二:
暴力二层for循环:
int maxProfit(int* prices, int pricesSize){
int i,j,temp,max_p=0;
for(i=0;i<pricesSize-1;i++)
for(j=i+1;j<pricesSize;j++){
temp=prices[j]-prices[i];
if(temp>max_p)
max_p=temp;
}
return max_p;
}
看吧,仔细看你会发现上面的动态规划还不如暴力简单呢,光for循环就比暴力版多了,而且推状态转移方程还得推半天。暴力版都超时了,何况上面数组炸了的
版本三,封神操作:
int maxProfit(int* prices, int pricesSize){
int i,min=100000,max=0;
for(i=0;i<pricesSize;i++)
if(prices[i]<min)
min=prices[i];
else if(prices[i]-min>max)
max=prices[i]-min;
return max;
}
无需任何解释,自行搞定吧。
这也是动态规划,想啥呢,只不过用到了究极程度而已(当然不是我写的)