买卖股票的最佳时机
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。
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。
解答
- 其实求的就是两个数之间的最大差值,并且第一个数,要小于第二个数。
- 首先让最小值min 等于数组中第一个元素,在遍历数组中找最小值。
- 然后同时在遍历数组的过程中,用prices[i]减去min,当值大于maxprofit时(maxprofit初值为0),将结果赋给maxprofit。此时便解决了第一个数小于第二个数。
- 需要注意的是,要判断数组是否为空,不为空的时候,才能让prices[0]赋值给min。
代码
int maxProfit(int* prices, int pricesSize){
int minprice, maxprofit = 0;
int i = 0;
if(pricesSize > 0 ) {
minprice = prices[i];
}
for(i = 0; i < pricesSize; i++) {
if(prices[i] < minprice) {
minprice = prices[i];
}
if(prices[i] - minprice > maxpro) {
maxprofit = prices[i] - minprice;
}
}
return maxprofit;
}
买卖股票的最佳时机2
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)。
- 示例一:
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 。
- 示例二:
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。
- 示例三:
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。
解法
解法一
- 假如将数组元素画到坐标上,会形成一个函数,最大的利润就是,所有相邻的极小值和极大值之差的和(极小值在前,极大值在后)
如图,就是BC之差加上DE之差 - 首先找极小值,然后找到相邻的极大值,然后在找下一个极小值,然后找相邻的极大值
代码
int maxProfit(int* prices, int pricesSize){
int maxpro = 0;
int i = 0;
while (i < pricesSize - 1) {
//极小值
while (i < pricesSize - 1 && prices[i] >= prices[i + 1]) {
i++;
}
minprice = prices[i];
//极大值
while (i < pricesSize - 1 && prices[i] <= prices[i + 1]) {
i++;
}
maxpro += (prices[i] - minprice);
}
return maxpro;
}
解法二
还是上图,可以看到,假设BC之间有四个点,BC之差,可以看成,看成之间四点之间相邻两点之差的和,整个解就可以看成,单调递增区间上所有相邻两点之差的和
代码
int maxProfit(int* prices, int pricesSize){
int maxpro = 0;
int i = 0;
for (i = 0; i < pricesSize - 1; i++) {
if (prices[i] < prices[i + 1]) {
maxpro += (prices[i + 1] - prices[i]);
}
}
return maxpro;
}