题目
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。
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:
输入: [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 。
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出,
这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
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。
提示:
1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4
官方题解 一:DP动态规划1
整体思路:记下每一天的利润。考虑第 i 天只有两种状态,持有股票 或 不持有股票,当天持有股票状态可能继承上一天持有股票 或 当天买入股票。同理,当天不持有股票状态 可能继承上一天不持有股票 或 当天出售股票。取最后一天不持有股票就是问题的解。
解释:答案求最后一天利润最大,即求,前面每一天利润最大。
算法
记 第 i 天 的利润 dp[i],不持有股票时 第 i 天 利润 dp[i][0],持有股票时 第 i 天 利润 dp[i][1]
当 dp[i][0] 为转移状态,即,第i天不持有股票状态,dp[i][0] 来自于上一天不持有股票-----dp[i-1][0]
或 上一天持有股票+当天抛出收益-----dp[i-1][1] + prices[i],两者取当天利润最大
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
同理,对于第i天持有股票的利润,dp[i][1] 来自于上一天持有股票-----dp[i-1][1]
或 上一天不持有股票-当天买入花费 dp[i-1][0] - prices[i],两者取当天利润最大
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
最终答案可以理解为,最后一天 卖出股票后的利润 即:dp[n-1][0] (n 是总天数)
代码
def maxProfit(prices) -> int:
if not prices:
return 0
n = len(prices)
dp = [[0]*2 for _ in range(n)]
# dp[i][0]表示第i天不持有股票, dp[i][1]表示第i天持有股票
dp[0][0], dp[0][1] = 0, - prices[0]
for i in range(1, n):
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
return dp[n-1][0]
复杂度分析
时间复杂度:O(n)。其中 n 为数组的长度。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(n)。我们需要开辟 O(n)O(n) 空间存储动态规划中的所有状态。
官方题解 二:贪心
整体思路:这道题用用贪心更像是脑筋急转弯,没有交易次数和手续费的限制,每天都可以卖出股票,那就把每次交易利润大于0相加就可以了。只要今天比昨天挣钱就卖出。
代码
def maxProfit(prices) -> int:
# 任意两天的收益等于连续每天买入卖出收益的总和,如果要得到最大值,
# 那么需要连续每天交易时只取收益为正数的那天即可
N = len(prices)
res = 0
for i in range(N-1):
if prices[i] < prices[i+1]:
res = prices[i+1] - prices[i] + res
return res
复杂的分析
时间复杂度:O(n)。其中 nn 为数组的长度。我们只需要遍历一次数组即可。
空间复杂度:O(1)。只需要常数空间存放若干变量。
参考评论区 派大星星星星 的评论 2