前言
参考题解:买卖股票的最佳时机-代码随想录
提交代码
暴力遍历
一道简单题,直接暴力。结果还超时了。怕不是个小袋子。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int max_profit = 0;
for(int i=0; i<prices.size()-1; i++){
for(int j=i+1; j<prices.size(); j++)
if(prices[j]>prices[i])
max_profit = max(max_profit,prices[j]-prices[i]);
}
return max_profit;
}
};
贪心
没辙了,去看看参考题解。参考题解使用了贪心。
思路:维护一个最小值,维护一个最大上升值。注意,全局最小值的地方,不一定是获取上升最大值的地方。维护的最小值,服务于产生较大值。不同的较大值的比较,诞生最大上升值。(因为随着向后移动,最小值更小的同时,最大值也可能更小。)
这个思路稍微有点难以理解。没明白的话,多看两遍。
class Solution {
public:
int maxProfit(vector<int>& prices) {
// 维护一个最小值;维护一个最大上升
// 注意:最大上升,不一定是在最小值时求得;
int low = INT_MAX;
int max_profit = 0;
for(int i=0; i<prices.size(); i++){
low = min(low,prices[i]);
if(low != prices[i])
max_profit = max(max_profit,prices[i]-low);
}
return max_profit;
}
};
动态规划
参考题解还提供了一种动态规划的题解。我们需要先看明白它的递推公式。递推公式的本质,是上面贪心的思路。我修改了参考题解的动态规划公式,使其更直观的使用动态规划,表示贪心思路。
class Solution {
public:
int maxProfit(vector<int>& prices) {
// 动态规划:
// dp[i][0] 表示第i天持有股票所得最多现金(继续持有原来股票,买入新股票),dp[i][0] = max(dp[i - 1][0], -prices[i]);
// dp[i][1] 表示第i天不持有股票所得最多现金(继续保持手上没有股票,原来手上有股票卖出),dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
// 本质(和贪心相同):dp[i][0]维护一个最小股票值;dp[i][1]维护一个最大的上升。
// 所以我们修改下递推公式
// 维护一个最小股票值:dp[i][0] = min(dp[i-1][0],prices[i]);
// 维护一个最大上升:dp[i][1] = max(dp[i-1][1],prices[i]-dp[i][0])
int len = prices.size();
if(len == 0) return 0;
vector<vector<int>> dp(len,vector<int>(2,0));
dp[0][0] = prices[0];
dp[0][1] = 0;
for(int i=1; i<len; i++){
dp[i][0] = min(dp[i-1][0],prices[i]);
dp[i][1] = max(dp[i-1][1],prices[i]-dp[i][0]);
}
return dp[len-1][1];
}
};