给定一个数组,它的第 i 个元素是一支给定股票第 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)。
输入: [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 。
输入: [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。
输入: [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。
主要是需要把问题转成一个数学问题, 可以理解成找一个数组的递增序列, 然后用极大值-极小值, 还是看图好理解.
现在问题就是怎么确定哪个是极大值,哪个是极小值,在数学上
极小值是price[left]>price[left-1] && price[left]>price[left+1],
极大值是 price[right]>price[right-1] && price[right]>price[right+1],
实际写的时候, 使用滑动窗口, 在遍历过程中, 每次都增加right的值, 如果leftValue>rightValue,说明此时是下降过程, left的值不对,更新下left; 如果leftValue<rightValue,说明此时是上升过程, left就是附近区域的极小值了.
如何在遍历的过程中确定极大值? 如果right<right+1, 说明还是在上升, 继续增加right; 如果right>right+1, 这说明到本次上升的拐点了, 需要计算下本段上升区间的收益了.
计算好 每段区间的(极大值-极小值), 最终汇总到result中, 就是整体的最大收益了. 整体只需遍历一次, 时间复杂度是O(N).
class Solution {
func maxProfit(_ prices: [Int]) -> Int {
// 极小值的下标
var left = 0
// 极大值的下标
var right = 0
// 最大利润和
var result = 0
while right<prices.count {
// 记录左边值和右边值
let leftValue = prices[left]
let rightValue = prices[right]
// leftValue > rightValue, 说明是处于下降序列中,更新left,直到left是极小值的下标
if leftValue > rightValue {
left = right
}
// 说明到了最后一天
if right+1 == prices.count {
// 最后一天,只要超过leftValue就可以卖
if rightValue>leftValue {
result += rightValue - leftValue
}
} else if rightValue>prices[right+1] {
// rightValue>prices[right+1], 后一个值比right小,说明right就是此段区间的极大值了,计算一次收益
result += rightValue - leftValue
left = right+1
}
right += 1
}
return result
}
}
看了题解, 有动态规划和贪心算法2种, 动态规划比较复杂, 就不写了, 贪心算法倒是比较好理解, 可以认为是对上述算法的优化.
贪心算法的直觉:由于不限制交易次数,只要今天股价比昨天高,就交易。 这样就不用找区间的极大值,极小值了
下面对这个算法进行几点说明:
该算法仅可以用于计算,但 计算的过程并不是真正交易的过程,但可以用贪心算法计算题目要求的最大利润。下面说明等价性:以 [1, 2, 3, 4] 为例,这 4 天的股价依次上升,按照贪心算法,得到的最大利润是:
res = (prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])
= prices[3] - prices[0]
仔细观察上面的式子,按照贪心算法,在下标为 1、2、3 的这三天,我们做的操作应该是买进昨天的,卖出今天的,虽然这种操作题目并不允许,但是它等价于:在下标为 0 的那一天买入,在下标为 3 的那一天卖出, 这样就是和极大值-极小值等价了
为什么叫「贪心算法」
回到贪心算法的定义:贪心算法 在每一步总是做出在当前看来最好的选择。
「贪心算法」 和 「动态规划」、「回溯搜索」 算法一样,完成一件事情,是 分步决策 的;
「贪心算法」 在每一步总是做出在当前看来最好的选择,我是这样理解 「最好」 这两个字的意思:
「最好」 的意思往往根据题目而来,可能是 「最小」,也可能是 「最大」;
贪心算法和动态规划相比,它既不看前面(也就是说它不需要从前面的状态转移过来),也不看后面(无后效性,后面的选择不会对前面的选择有影响),因此贪心算法时间复杂度一般是线性的,空间复杂度是常数级别的;
这道题 「贪心」 的地方在于,对于 「今天的股价 - 昨天的股价」,得到的结果有 3 种可能:① 正数,② 00,③负数。贪心算法的决策是: 只加正数 。
贪心算法时间复杂度也是O(N), 但是写法上简洁很多.
class Solution {
func maxProfit(_ prices: [Int]) -> Int {
// 最大利润和
var result = 0
for i in 1..<prices.count {
// 只要i比i-1高, 就计算一次收益
result += max(0, prices[i]-prices[i-1])
}
return result
}
}