给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。
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。
tips: 这是买卖股票系列的入门题。最简单的思路,暴力解法复杂度O(n**2)。再199/200个test时超时。
def baoli(prices: List[int])-> int:
N=len(prices)
if N==0:
return 0
res=[[0 for _ in range(N)] for _ in range(N)]
for i in range(N-1):
for j in range(i+1,N):
res[i][j]=max(0,prices[j]-prices[i])
return max(max(row) for row in res)
法二:动态规划,遍历一遍,复杂度O(n),动态地维护两个变量,一个是当前最小值,另一个是当前收益最大值。
def maintain_one_dimension(prices):
N=len(prices)
if not N:
return 0
mini=prices[0]
maxi=0
for p in prices:
if p<mini:
mini=p
elif p-mini>maxi:
maxi=p-mini
return maxi
return maintain_one_dimension(prices)
那么我们将上述思想换一种说法,以动态规划的状态方程形式表述,维护买入buy变量,使得买入为当前最低价,维护卖出sell,使得卖出为当前收益最高。
def dp(prices):
N=len(prices)
if not N:
return 0
buy=prices[0]
sell=0
for p in prices:
buy=min(buy,p)
sell=max(sell,p-buy)
return sell