LeetCode 121. 买卖股票的最佳时机(单调栈 / 遍历+最低价格买进)

 

 

思路: 1.暴力枚举:两重循环枚举两点,得到前后最大差值,但是时间复杂度O(n^{2}),此题的数据范围显然会超时

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int ans = 0;
        for(int i = 0; i < prices.size(); i ++){
            for(int j = i+1; j < prices.size(); j ++){
                ans = max(ans, prices[j]-prices[i]);
            }
        }
        return ans;
    }
};

 2. 单调栈:本题目的即求后面与当前值的最大差值,可以考虑单调队列方法得到以当前i位置往后的单调栈,在以当前prices[i]和队投元素取差得到临时差值再不断取max即可,由于此题在不断的取单调栈,因此最坏的情况下是最后只剩下最后一个数,那么其最坏复杂度为O(2n),忽略其常数情况下便是O(n)。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<int> st;
        int ans = 0;
        for(int i = prices.size()-1; ~i; i--){
            if(!st.size()) st.push_back(prices[i]);
            else{
                while(st.size()&&st.front()<=prices[i]) st.pop_back();
                st.push_back(prices[i]);
                // 此时的st[0]-st.back()为prices中末尾到i位置的降序单调队列
                ans = max(ans, st[0]-prices[i]);  // 可以直接得到i位置与其后最大值的差值
            }
        }
        return ans;
    }
};

3. 遍历+最低价格买进:不难看出我们只要再最低价格时买进,久极大可能会获取最大的利润。遍历的过程中不断更新最低价格即可, 时间复杂度O(n),由于少取了push和pop的操作显然会比单调栈的方法快很多。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int ans = 0, minn = INT_MAX;
        for(auto price:prices){
            ans = max(ans, price-minn);  // 当前价格减之前的最低价
            minn = min(minn, price);  // 更新最低价
        }
        return ans;
    }
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值