题目分析:[[EVD]] - 剑指 Offer 63. 股票的最大利润
https://leetcode-cn.com/problems/gu-piao-de-zui-da-li-run-lcof/
简单描述:
- 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
限制🚫
- 0 <= 数组长度 <= 10^5
示例:
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。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。
解题思路:
思路:
- #动态规划DP 数据规模大,两层for暴力循环会超时,一层for+辅助记录最大最小值的变量则可以过
- dp操作
- 有两个决策,最简单的想法是使用dp[i][2]二维数组
- dp[i][0]:前i天卖出最大利润
- dp[i][1]:前i天买入的最小费用
- 状态转移方程
- dp[i][0] = max(dp[i - 1][0], prices[i] - dp[i - 1][1]);
- dp[i][1] = min(dp[i - 1][1], prices[i]);
- 两个方程没有强关联和多少需要记忆化的搜索,可优化为mini
- 优化后降为一维+变量mini
- dp[i]:前i天卖出最大利润
- mini:前i-1天买入的最小费用
- 状态转移方程
- dp[i] = max(dp[i - 1], prices[i] - mini);
- 方程可看到不需要一直做记忆化搜索,而只需要记住前一个节点的变动值,可优化为maxx
- mini = min(mini, prices[i]);
- dp[i] = max(dp[i - 1], prices[i] - mini);
- 空间优化后用2个辅助变量,maxx和mini即可
- maxx = max(maxx, prices[i] - mini);
- mini = min(mini, prices[i]);
- 有两个决策,最简单的想法是使用dp[i][2]二维数组
效率:
- 时间复杂度
- 一维、二维DP的空间复杂度
- 双辅助变量的空间复杂度
- 一维、二维DP的空间复杂度
代码:
- 1.二维dp
class Solution
{
public:
/* dp二维*/
int maxProfit(vector<int> &prices)
{
if (prices.empty())
return 0;
vector<vector<int> > dp(prices.size(), vector<int>(2));
dp[0][0] = 0;
dp[0][1] = prices[0];
for (int i = 1; i < prices.size(); i++)
{
dp[i][0] = max(dp[i - 1][0], prices[i] - dp[i - 1][1]);
dp[i][1] = min(dp[i - 1][1], prices[i]);
}
return dp[prices.size() - 1][0];
}
};
- 2.一维dp
class Solution
{
public:
/* dp一维*/
int maxProfit(vector<int> &prices)
{
if (prices.size() <= 1)
return 0;
int dp[prices.size() + 5];
int mini = prices[0];
dp[0] = 0;
for (int i = 1; i < prices.size(); i++)
{
dp[i] = max(dp[i - 1], prices[i] - mini);
mini = min(mini, prices[i]);
}
return dp[prices.size() - 1];
}
};
- 3.辅助变量dp
class Solution
{
public:
/*一层for+辅助记录最大最小值的变量可过*/
int maxProfit(vector<int> &prices)
{
if (prices.size() <= 1)
return 0;
int mini = prices[0], maxx = 0;
for (int i = 0; i < prices.size(); i++)
{
maxx = max(maxx, prices[i] - mini);
mini = min(mini, prices[i]);
}
return maxx;
}
};