一、需求
- 假设把某股票的价格按照时间先后顺序存储在数组中,请问买卖该股票一次可能获得的最大利润是多少?
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。
示例 2:
输入: [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。
限制:
0 <= 数组长度 <= 10^5
二、暴力法
2.1 思路分析
- 看到最大利润,首先想到动态规划,结果渐渐整出了暴力法;
- 假设现在有个数组dp[ i ][ j ]表示第 i 天买入,第j天卖出所获得的最大利润,通过对示例1枚举可以发现,dp[0][0] = 0,即第1天买入第1天卖出获得的利润,dp[0][1] = -6,dp[0][2] = -2,以此类推;
- 我们可以利用双重循环来求第 i 天买入,第 j 天卖出的利润,我们使用max来更新最大利润;
2.2 代码实现
class Solution {
public int maxProfit(int[] prices) {
int max = 0;
int n = prices.length;
for(int i = 0; i < n; i++) {
for(int j = i; j < n; j++) {
int tmp = prices[j] - prices[i];
max = Math.max(max, tmp);
}
}
return max;
}
}
2.3 复杂度分析
- 时间复杂度为
,其中n为数组中元素的个数;
- 空间复杂度为O(1);
三、动态规划
3.1 思路分析
- 定义状态dp[ i ]表示以prices[ i ]为结尾的最大利润;
- 那么状态转移方程为:dp[ i ] = Math.max(dp[i-1],prices[i] - min{prices[0~i]}),其中min{prices[0~i]}表示0~i天中的最低价格,也就是说第 i 天所能获得的最大利润等于前 i - 1天获得的最大利润与第 i 日卖出利润的最大值之间的最大值;
- 寻找前 i-1 天中的最小价格,即min{prices[0~i]},需要O(i)的时间复杂度,为了优化它,在遍历prices过程中,使用变量记录最小价格;
- 因为dp[ i ]只与dp[i-1]及prices[ i ]有关,因此可用变量进行迭代,无须再申请额外空间;
3.2 代码实现
class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
int res = 0;
int cost = Integer.MAX_VALUE;
for(int price : prices) {
cost = Math.min(cost, price);
res = Math.max(res, price - cost);
}
return res;
}
}
3.3 复杂度分析
- 时间复杂度为O(n),n为数组元素的个数;
- 空间复杂度为O(1);
四、学习地址
作者:Krahets