[剑指offer]股票的最大利润
剑指offer-股票的最大利润
题目描述
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
解题思路
- 动态规划
- 状态定义:dp[i] 代表以 prices[i] 结尾的子数组的最大利润,即前 i 日的最大利润
- 转移方程:股票只买卖一次,因此前 i 日的最大利润 等于 前 i - 1 日的最大利润 dp[i-1] 和 第 i 日卖出的话的最大利润 的最大值,即
d p [ i ] = m a x ( d p [ i − 1 ] , p r i c e s [ i ] − m i n ( p r i c e s [ 0 : i − 1 ] ) ) dp[i]=max(dp[i-1],prices[i]-min(prices[0:i-1])) dp[i]=max(dp[i−1],prices[i]−min(prices[0:i−1])) - 初始状态:dp[0]+0,即第一天利润为0
- 返回值:dp[prices.length()-1]
- 时间复杂度优化
- 前 i 日的最低价格
m
i
n
(
p
r
i
c
e
s
[
0
:
i
−
1
]
)
min(prices[0:i-1])
min(prices[0:i−1])时间复杂度为
O
(
i
)
O(i)
O(i),在遍历prices时可以定义一个最低价格变量cost,每日更新最低价格,优化后的转移方程为:
d p [ i ] = m a x ( d p [ i − 1 ] , p r i c e s [ i ] − c o s t ) dp[i]=max(dp[i-1],prices[i]-cost) dp[i]=max(dp[i−1],prices[i]−cost)
- 前 i 日的最低价格
m
i
n
(
p
r
i
c
e
s
[
0
:
i
−
1
]
)
min(prices[0:i-1])
min(prices[0:i−1])时间复杂度为
O
(
i
)
O(i)
O(i),在遍历prices时可以定义一个最低价格变量cost,每日更新最低价格,优化后的转移方程为:
- 空间复杂度优化
- 因为dp[i]只与dp[i-1]、prices[i]、cost有关,因此可以定义一个利润变量profit,代替dp[i],优化后的转移方程为:
d p [ i ] = m a x ( p r o f i t , p r i c e s [ i ] − c o s t ) dp[i]=max(profit,prices[i]-cost) dp[i]=max(profit,prices[i]−cost)
- 因为dp[i]只与dp[i-1]、prices[i]、cost有关,因此可以定义一个利润变量profit,代替dp[i],优化后的转移方程为:
实现代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len=prices.size();
if(len==0)
return 0;
int profit=0;
int cost=prices[0];
for(int i=1;i<len;i++){
profit=max(profit,(prices[i]-cost));
cost=min(prices[i],cost);
}
return profit;
}
};