LeetCode刷题笔记——买卖股票的最佳时机

121. 买卖股票的最佳时机

• 难度级别：简单

• 题目类别：数组/字符串

• 题目描述：

  给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

  你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

  返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

  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；同时，你不能在买入前卖出股票。

  示例 2：

  输入：prices = [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 <= 105

  • 0 <= prices[i] <= 104

• 解题思路：

  • 方法1：暴力搜索，双重循环（超出时间限制）

    • //暴力循环，超出时间限制
      class Solution {
          public int maxProfit(int[] prices) {
              int result = 0;
              for(int i = 0; i < prices.length; i++)
              {
                  for(int j = i + 1; j < prices.length; j ++)
                  {
                      if(prices[i] < prices[j])
                      {
                          int temp = prices[j] - prices[i];
                          result = Math.max(result, temp);
                      }
                  }
              }
              return result;
          }
      }

  • 方法2：动态规划方程版

    • 思路：由于每天可能空仓或持股，需要定义二维状态

      • 创建n×2的二维数组dp，其中dp[i][0]为第i天空仓时的最大利润，dp[i][1]为第i天持股的最大利润

      • 当i=0时，只有一天的股票价格，如果不买入股票则最大利润为0，如果买入股票则最大利润为-prices[0]，因此动态规划的边界情况时[0][0]=0和dp[0][1]=-prices[0]。

      • 当i>=1时，第i天可以空仓或持股，最大利润根据第i-1天的空仓或持股的最大利润与第i天的空仓和持股情况计算

        • 如果第i天空仓，则可能第i-1天空仓且第i天不操作，也可能第i-1天持股且第i天卖出，此时的最大利润为max(dp[i][0], dp[i][1]+prices[i])。

        • 如果第i天持股，则可能第i-1天持股且第i天不操作，也可能第i-1天空仓且第i天买入，此时的最大利润是max(dp[i][1]​​​​​​​​​​​​​​, -prices[i])。由于只能买入和卖出一次，因此如果再第i天买入则在买入之前的利润一定是0，在第i天买入对于的利润是-prices[i]，而不是dp[i][1]​​​​​​​-prices[i]。

      • 因此动态规划方程为：

        • dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] + prices[i]);
          dp[i][1] = Math.max(dp[i-1][1], -prices[i]);

      • 复杂度
        时间复杂度	O(n)
        空间复杂度	O(n)/O(1)优化后

      • 源代码：

      • //动态规划方程版
        class Solution {
            public int maxProfit(int[] prices) {
                // int [][] dp = new int[prices.length][2];
                // dp[0][0] = 0;
                // dp[0][1] = -prices[0];
                // for(int i = 1; i < prices.length; i ++)
                // {
                //     dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] + prices[i]);
                //     dp[i][1] = Math.max(dp[i-1][1], -prices[i]);
                // }
                // return dp[prices.length-1][0];
        
                //不需要数组版
                int dp0 = 0, dp1 = -prices[0];
                for(int i = 1; i < prices.length; i ++)
                {
                    dp0 = Math.max(dp0, dp1 + prices[i]);
                    dp1 = Math.max(dp1, -prices[i]);
                }
                return dp0;
            }
        }