1.题目
2.思路
看见这个题,很自然会想是不是贪心或者动态规划,一看数据大小3*10^4. 通常就是O(n)或者O(nlogn),如果是贪心的话,就是O(n), 如果是动态规划的话,就是一维动态规划O(n).
贪心的想法,一开始没想到,所以直接往动态规划方面想。
首先就是dp[i]的定义,一开始定义为第i天卖出股票的最大利润,然后不知道该怎么构造状态转移函数。之后换了一个思考方式,直接定义为答案要求的。
dp[i]:前i天卖出股票的最大利润。这样定义的好处是不需要考虑前面哪一天卖出哪一天买入。
只要price[i] > price[i - 1] , 那么dp[i] = dp[i -1] + price[i] > price[i - 1].
否则,dp[i] = dp[i -1
那么为什么这样是正确的呢?
- 因为当第 i - 1天是最大的时候,意味着第i - 1天必然要卖出股票
- 而此时第 i 天price更大,说明第i天卖赚得更多,所以在原来的基础上加上差值price[i] - price[i - 1]
- 假如第 i 天price更小,那么说明此时不需要任何操作,最大值就是跟前一天保持一致。
- 假如第i - 天股票很小,所以不会卖出股票。那么是否要买入呢?需要看后面一天的情况。
- 当第i 天的股票价格更高时,说明第i - 1 天需要买入,所以要在在原来的基础上加上差值price[i] - price[i - 1]。
- 当第i天的股票价格更低时,说明第i - 1 天不需要买入。第i天是否买入需要看后面一天。所以利润不变。
动态规划--时间O(n), 空间O(n)
其实,写到最后你会发现,这就是一个贪心的思想。所以两者之间可以转化。贪心的话空间复杂度只有O(1).
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(n < 2) return 0;
int ans = 0;
int[]dp = new int[n + 1];//前i天卖出去股票的最大利润
// 初始化
dp[0] = 0;
// 状态转移
// if(prices[1] > prices[0])
// dp[1] = prices[1] - prices[0];
for(int i = 2; i <= n; i++){
if(prices[i - 1] > prices[i - 2])
dp[i] = dp[i - 1] + prices[i - 1] - prices[i - 2];
else
dp[i] = dp[i - 1];
}
return dp[n];
}
}
3.结果