原题链接:
http://oj.leetcode.com/problems/best-time-to-buy-and-sell-stock/
这道题求进行一次交易能得到的最大利润。如果用brute force的解法就是对每组交易都看一下利润,取其中最大的,总用有n*(n-1)/2个可能交易,所以复杂度是O(n^2)。
很容易感觉出来这是动态规划的题目,其实跟 Maximum Subarray 非常类似,用“局部最优和全局最优解法”。思路是维护两个变量,一个是到目前为止最好的交易,另一个是在当前一天卖出的最佳交易(也就是局部最优)。递推式是local[i+1]=max(local[i]+prices[i+1]-price[i],0), global[i+1]=max(local[i+1],global[i])。这样一次扫描就可以得到结果,时间复杂度是O(n)。而空间只需要两个变量,即O(1)。代码如下:
这道题求进行一次交易能得到的最大利润。如果用brute force的解法就是对每组交易都看一下利润,取其中最大的,总用有n*(n-1)/2个可能交易,所以复杂度是O(n^2)。
很容易感觉出来这是动态规划的题目,其实跟 Maximum Subarray 非常类似,用“局部最优和全局最优解法”。思路是维护两个变量,一个是到目前为止最好的交易,另一个是在当前一天卖出的最佳交易(也就是局部最优)。递推式是local[i+1]=max(local[i]+prices[i+1]-price[i],0), global[i+1]=max(local[i+1],global[i])。这样一次扫描就可以得到结果,时间复杂度是O(n)。而空间只需要两个变量,即O(1)。代码如下:
public int maxProfit(int[] prices) { if(prices==null || prices.length==0) return 0; int local = 0; int global = 0; for(int i=0;i<prices.length-1;i++) { local = Math.max(local+prices[i+1]-prices[i],0); global = Math.max(local, global); } return global;}
这种题目的解法非常经典,不过是比较简单的动态规划。这道题目还有两个变体,
Best Time to Buy and Sell Stock II
和
Best Time to Buy and Sell Stock III
,虽然题目要求比较像,但是思路却变化比较大,
Best Time to Buy and Sell Stock II
可以交易无穷多次,思路还是比较不一样,而
Best Time to Buy and Sell Stock III
则限定这道题交易两次,其实还可以general到限定交易k次,会在这道题目中仔细讲解,有兴趣的朋友可以看看哈。