买卖股票的最佳时机
给定一个数组 prices ,其中 prices[i] 是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: prices = [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
动态规划思路
每天只会有两个状态,持有股票和未持有股票。用newdp0表示当天未持有股票,newdp1表示当天持有股票。
对于当天持有股票newdp1,有两种情况:
1. 前一天未持有股票,则当天利润为前一天利润减去单价。即 newdp1 = olddp0 - price[i] (第i天)。
2. 前一天持有股票,则当天利润等于前一天利润。即 newdp1 = olddp1;
对于当天未持有股票newdp0,同样有两种情况。
1.前一天持有。即newdp0 = olddp1 + price[i];
2.前一天未持有。 即newdp0 = olddp0;
故状态转移方程为:
newdp0 = max(olddp1+price[i] , olddp0);
newdp1 = max(olddp0-price[i] , olddp1);
最后利润:最大利润肯定会在最后一天卖出股票,故为newdp0;
代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp0 = 0, dp1 = -prices[0];
for(int i = 1 ; i < n ; i ++){
int newdp0 = max(dp0 , dp1 + prices[i]);
int newdp1 = max(dp0-prices[i] , dp1);
dp0 = newdp0;
dp1 = newdp1;
}
return dp0;
}
};
复杂度分析
时间复杂度: O(n),n为数组长度,一共有2n个状态,每次状态转移的时间复杂度为O(1),因此时间复杂度为O(2n) = O(n);
空间复杂度:O(1),只开辟了常数的空间。
贪心思路
由于股票购买没有限制,所以我们可以把题目理解为寻找若干个不相交的区间 [l,r],使得所有区间的price[r] - price[l]的值之和最大。
进一步,可以理解为将数组划分为长度为1的区间,选择其中price价格差为正的区间,即 max += max(0,price[i] - price[i-1]).(虽然实际的交易次数不是每天进行交易,但是利润可以这么计算)。
代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int ans = 0;
for(int i = 0 ; i < n-1 ; i++){
ans += max(0 , prices[i+1] - prices[i]);
}
return ans;
}
};
复杂度分析
时间复杂度: O(n),n为数组长度。
空间复杂度:O(1) 只需要常数空间