剑指 Offer 63. 股票的最大利润 --贪心/动态规划/暴力

1.题目

2.思路

看见这个,首先一想可不可以暴力搜索,O(n * n),一看数据集10^5,大概率过不了,就没写.后来发现能过....

方法一--暴力--O(n * n)

public class Solution {
    public int maxProfit(int[] prices) {
        int maxprofit = 0;
        for (int i = 0; i < prices.length - 1; i++) {
            for (int j = i + 1; j < prices.length; j++) {
                int profit = prices[j] - prices[i];
                if (profit > maxprofit) {
                    maxprofit = profit;
                }
            }
        }
        return maxprofit;
    }
}

方法二--贪心-O(n)

进一步思考:这个时间复杂度多半是O(n),那么自然会想到贪心或者一个维度的动态规划.

对于贪心而言的话,需要考虑每一步都是最佳选择,那么问题来了,假如现在是第i天,怎么才可以让今天卖的利润最大???

显示可以得到让今天的price[i] - minPrice就可以了,只需要一直维护前面i天的最小的price就可以了.最后只需要把每一天卖的利润求一个最大值就是答案了.

class Solution {
    public int maxProfit(int[] prices) {
        // 贪心
        int n = prices.length;
        if(n == 0) return 0;
        
        int minPrice = prices[0];
        int ans = 0;
        for(int i = 0 ; i < n; i++){
            ans = Math.max(ans, prices[i] - minPrice);
            minPrice = Math.min(prices[i], minPrice);
        }
        return ans;
    }
}

 方法三-动态规划-O(n)

能用贪心思想解决的题目一般都可以用动态规划, 其实这里用动态规划有点大材小用了..

动态规划三部曲:

1.dp[i]定义:前i天获取到的最大利润.(一般情况下,题目问啥,dp[i]就定义成什么)

2.初始化:dp[0] = 0.

3.最关键的:状态转移函数:dp[i] = Math.max(dp[i -1], price[i] - minPrice);

class Solution {
    public int maxProfit(int[] prices) {
        // 贪心
        // int n = prices.length;
        // if(n == 0) return 0;
        
        // int minPrice = prices[0];
        // int ans = 0;
        // for(int i = 0 ; i < n; i++){
        //     ans = Math.max(ans, prices[i] - minPrice);
        //     minPrice = Math.min(prices[i], minPrice);
        // }
        // return ans;

        // 2.动态规划
        // dp[i]:第i天卖出去的最大收益
        int ans = 0 ; 
        int n = prices.length;
        if(n < 2)return 0;

        // 定义dp
        int[]dp = new int[n + 1];

        // 初始化

        // 状态转移函数
        int minPrice = prices[0];
        for(int i = 1 ; i < n + 1; i++){
            dp[i] = Math.max(prices[i - 1] - minPrice, dp[i - 1]);
            minPrice = Math.min(prices[i - 1], minPrice);
        }

        return dp[n];
    }
}

3.结果