情境描述:
股票信息包括每天交易的最高价、最低价以及开盘价。设计算法,根据给定的股价走势信息,决定买入和卖出策略,保证交易获得的利润最大化
方法一:暴力枚举法
# 定义股票开盘价数组
s=[10,4,8,7,9,6,2,5,3]
maxProfit=0
buyDay=0
sellDay=0
# 遍历所有可能组合
for i in range(len(s)-1):
for j in range(i+1,len(s)):
if s[j]-s[i]>maxProfit:
maxProfit=s[j]-s[i]
buyDay=i
selDay=j
print("应该在第{0}天买入,在第{1}天卖出,最大利润为{2}".format(buyDay+1,selDay+1,maxProfit))
输出:
应该在第2天买入,在第5天卖出,最大利润为5
分析:这个算法的时间复杂度为n^2,显然不是最优解
方法二:分治法
思路:在前半部分找到最小值,在后半部分找到最大值,只需要一个循环即可
def findMaxProfit(S):
# 返回值格式:买入日期,卖出日期,最大利润
if len(S)<2:
return [0,0,0]
if len(S)==2:
if (S[1]-S[0])>0:
return [0,1,S[1]-S[0]]
else:
return [0,0,0]
left=findMaxProfit(S[0:int(len(S)/2)])
right=findMaxProfit(S[int(len(S)/2):int(len(S))])
finnalResult=left
if (right[2]>left[2]):
right[0]+=int(len(S)/2)
right[1]+=int(len(S)/2)
finnalResualt=right
# 遍历最低买入日期和最高卖出日期
lowPrice=S[0]
highestPrice=S[int(len(S)/2)]
buyDay=0
selDay=int(len(S)/2)
# 遍历最低买入日期
for i in range(0,int(len(S)/2)):
if (S[i]<lowPrice):
buyDay=i
lowPrice=S[i]
# 遍历最高卖出日期
for j in range(int(len(S)/2),int(len(S))):
if (S[j]>highestPrice):
selDay=j
highestPrice=S[j]
# 计算最大利润
if (highestPrice-lowPrice>finnalResult[2]):
finnalResult[0]=buyDay
finnalResult[1]=selDay
finnalResult[2]=highestPrice-lowPrice
return finnalResult
S=[1,2,9,4,5,6,7,10]
maxProfit=findMaxProfit(S)
print("在第{0}天买入,在第{1}天卖出,可以获得最大利润{2}:".format(maxProfit[0]+1,maxProfit[1]+1,maxProfit[2]))
输出:
在第1天买入,在第8天卖出,可以获得最大利润9:
分析:这种方法使用递归来实现,首先将问题分解为两个部分,在两个小的部分分别遍历最小值和最大值,然后再回传差值即可。 时间复杂度为nlg(n)
方法三:最优解法
S=[1,2,9,4,5,6,7,10]
minPrice=S[0]
buyDay=0
selDay=0
profit=0
i=0
for i in range(len(S)):
# 遍历最小买入值
if (S[i]<minPrice):
minPrice=S[i]
buyDay=i
# 遍历最大收益值
if (S[i]-minPrice>profit):
profit=S[i]-minPrice
selDay=i
print("在第{0}天买入,在第{1}天卖出,可以获得最大利润{2}:".format(buyDay+1,selDay+1,profit))
输出:
在第1天买入,在第8天卖出,可以获得最大利润9:
分析:这种方法只需要遍历一遍数组,时间复杂度为n