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; } }
-
-
-