地址:
力扣https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/
题目:
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 <= 105 0 <= prices[i] <= 104 |
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
思路:
股票价格每日都在变,要获取最大收益无非是 最低价买入+最高价卖出 的组合
最低价:
可以假定第一天为最低价,后面的天数的价格如果还小,那么最低价就更新
最高价:
初始最高价为 0,每日股价更新为最高价
方法一、遍历最低最高价格
#define myMax(a,b) ( (a) > (b) ? (a) : (b) )
int maxProfit(int* prices, int pricesSize){
int i;
int min = prices[0];
int max = 0;
for(i=1; i<pricesSize; i++)
{
if(prices[i] < min)
min = prices[i];
max = myMax(max, prices[i]-min);
}
return max;
}
方法二、动态规划
这道题依旧可以用到 动态规划 的思想,有关动态规划 可以参考 动态规划详解
动态规划的两个重要步骤:
1. 存放元素的数组,里面的元素到底是存放什么
dp 二维数组:i 为每日收益情况
j = 0 没持股(或已经卖出),j = 1 持股
2. 计算公式:
第 i 天收益情况分为两部分查看,没有持股的收益 和 持股的收益
依据公式可以动态的算出 dp 的值,最大的收益为 最后一天 j = 0 的情况
这个推到比较烧脑,不像方法一那样容易理解,不过算是练习用动态规划思想的题目
#define max(a,b) ( (a) > (b) ? (a) : (b) )
int maxProfit(int* prices, int pricesSize){
if(pricesSize < 2)
return 0;
int i;
int maxprofile = 0;
int dpLen = pricesSize;
int **dp = (int **)malloc(sizeof(int *) * dpLen);
for(i=0; i<dpLen; i++)
{
dp[i] = (int *)malloc(sizeof(int) * 2);
}
dp[0][0] = 0;
dp[0][1] = 0 - prices[0];
for(i=1; i<pricesSize; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i]);
dp[i][1] = max(dp[i-1][1], 0 - prices[i]);
}
maxprofile = dp[i-1][0];
for(i=0; i<dpLen; i++)
{
free(dp[i]);
}
free(dp);
return maxprofile;
}