122.买卖股票的最佳时机II
解题思路:
贪心法(每次计算prices[i]-prices[i-1]的利润,大于0则相加)
动态规划
package leadcode;
/**
* @author : icehill
* @description : 买卖股票的最佳时机II
* 给定一个数组 prices ,其中 prices[i] 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 1:
* 输入: prices = [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 2:
* 输入: prices = [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 3:
* 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。
* 来源:力扣(LeetCode)
* 链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii
* 著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
* 解题思路:(一开始是我想多,想着动态规划来求解)
* 1.贪心法
* 如果prices[i]>prices[i-1],则把差价加入到总利润中
* 遍历一遍数组,最终total就是最大利润
* 为什么这样正确呢,因为假设在1天买入,第2天卖出,第3天prices[2]又比prices[1]高,
* 这个时候total+=prices[2]-prices[1],相当于我们以第3天,prices[2]的价格卖出,所以这样算在单调递增序列是对的
* 如果是{2,3,5,4,8,6,6,4}这种情况呢,5之后是下降,然后又是上升
* 8明显比5大,如果是2买入,8卖出,感觉看起来比,2买入5卖出,4买入,8卖出要多?
* 其实不会的,通过画图可以看出,5=>4这段折线,在y轴方向上是比单调上升曲线要大的
* (我们统计的利润,实际上就是y轴两个点之间的高度差)所以贪心算法最终结果就是最优解。
* 时间复杂度:O(n),其中 n 为数组的长度。我们只需要遍历一次数组即可。
* 空间复杂度:O(1)。只需要常数空间存放若干变量。
* 2.动态规划
* 时间复杂度:O(n),其中 n 为数组的长度。一共有 2n 个状态,
* 每次状态转移的时间复杂度为 O(1),因此时间复杂度为 O(2n)=O(n)。
* 空间复杂度:O(n)。
* @date : 2021-05-02
*/
public class Solution122 {
public static void main(String[] args) {
Solution122 solution122 = new Solution122();
int[] prices = {7, 1, 5, 3, 6, 4};
System.out.println(solution122.maxProfit(prices));
}
/**
* 贪心法
*
* @param prices
* @return
*/
public int maxProfit(int[] prices) {
int total = 0;
for (int i = 1; i < prices.length; i++) {
if (prices[i] > prices[i - 1]) {
total += prices[i] - prices[i - 1];
}
}
return total;
}
}