好久没刷LeetCode了
今天上午做了一道题
被折磨的要死
十分尴尬
看来接下来一段时间要经常练了
这东西可不能丢啊
好了,再来推荐一部动画啊
大家看了封面应该很容易猜到了
就是小时候我们经常看的《四驱兄弟》
哈哈哈哈哈,最近一直在看
还是很好看啊,笑得合不拢嘴
被我爸妈知道了,估计又要笑我幼稚鬼了哈哈哈哈哈
123-买卖股票的最佳时机 III
给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
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: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 天(股票价格 = 0)的时候买入,在第 6 天(股票价格 = 3)的时候卖出,这笔交易所能获得利润 = 3-0 = 3 。
随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。
示例 2:
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。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
思路:
这道题算是买卖股票的最佳时机题目系列的最难一道题了,它和第122题买卖股票的最佳时机II很相像,唯一的区别就是:在第122题中,交易股票的次数是不限制的,而在此题中确实限制在两次的。正是这两次的限制,导致这道题的难度上升了。如果对第122题不太熟悉的朋友,可以先看看这篇文章。
https://blog.csdn.net/weixin_36431280/article/details/90899007
这道题我尝试了好几种方法,有些方法虽然是超出时间限制了,但我觉得方法还是可以借鉴的,所以想分享出来。
方法一:简单二分法
既然限制次数是两次,那我就可以使用二分法将prices区间分为两段,分别求左右两段区间内一次股票交易获得的最大利润即可。有些读者可能会疑惑:题目限制次数为两次,那么也可能是一次,即只需要一次股票交易就能获得最大利润。但是读者可以好好想想,其实还是能分为两段的,其中一段是最大利润,另一段利润为0即可。大致如下:
而只求一段区间内一次交易获得的最大利润正是第121题干的事儿,对第121题不太熟悉的朋友可以看看我写的这篇文章:
https://blog.csdn.net/weixin_36431280/article/details/90812473
既然之前就写好了方法,那这道题就好办了,只需要一次遍历,不停的划分左右区间就可以求解每次遍历得到的最大值,最后取所有值的最大值即可。
代码如下:
class Solution(object):
# 本题可采用二分法计算
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
candidate = []
# 记录出售股票所获得的最大收益
max_profit = 0
if len(prices) <= 1:
return max_profit
for index in range(len(prices)):
left = self.single_profit(prices[:index])
right = self.single_profit(prices[index:])
max_profit = max(max_profit, left+right)
return max_profit
# 获取一段区间内完成一笔交易的最大利润
def single_profit(self, prices):
# 定义获取的最大利润
max_profit = 0
if len(prices) <= 1:
return max_profit
# 分别定义股票的最小价格以及最高价格
min_price = prices[0]
max_price = 0
for price in prices:
max_price = max(max_price, price-min_price)
min_price = min(min_price, price)
return max_price
if __name__ == "__main__":
prices = [3,3,5,0,0,3,1,4]
max_profit = Solution().maxProfit(prices)
print(max_profit)
思路特别清新,但是跑起来就是超出时间限制,让我特别头疼。
方法二:进阶版二分法
其实也不算是严格的二分法,就是分两次遍历。第一次遍历是从头至尾遍历,记录每个区间内一次股票交易获得最大利润,并保存至一个数组内,方便第二轮遍历取值,这就有点像动态规划内的思想了,此处就是可以节省时间了。第二次遍历就是从尾向头遍历,选出相应坐标右边区间内一次交易的最大值,左边区间交易的最大值就可以直接从第一次遍历得到的数组获取,两者相加,即可得到两次交易的最大值。
代码如下:
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
min_price, total_max_profit = float('inf'), 0
# 记录顺序区间内每个坐标对应的利润最大值
first_profit = [0]*len(prices)
# 从左至右比遍历,获取顺序区间内一次交易利润的最大值
for i in range(len(prices)):
min_price = min(min_price, prices[i])
total_max_profit = max(total_max_profit, prices[i]-min_price)
first_profit[i] = total_max_profit
max_price, max_profit = float('-inf'), 0
# 从右至左遍历,获取逆序区间内一次交易利润的最大值,两者相加得到两次利润的最大值
for i in range(len(prices)-1, 0, -1):
max_price = max(max_price, prices[i])
max_profit = max(max_profit, max_price-prices[i])
total_max_profit = max(total_max_profit, max_profit+first_profit[i-1])
return total_max_profit
if __name__ == "__main__":
prices = [3,3,5,0,0,3,1,4]
max_profit = Solution().maxProfit(prices)
print(max_profit)
不过执行效率也不是很高,在30%左右。
方法三:动态规划法
此方法就是正儿八经的用动态规划方法求解,不过说实话,我也没太看懂,但执行效率是真的高,我还是贴出来分享给大家。这是我之前写的关于动态规划方法求解的文章,大家可以先看看,相信会有所收获。
https://blog.csdn.net/weixin_36431280/article/details/86616672
代码如下:
class Solution(object):
def maxProfit(self, prices):
if not prices: return 0
n = len(prices)
dp = [[0] * n for _ in range(3)]
for k in range(1, 3):
pre_max = -prices[0]
for i in range(1, n):
pre_max = max(pre_max, dp[k - 1][i - 1] - prices[i])
dp[k][i] = max(dp[k][i - 1], prices[i] + pre_max)
return dp[-1][-1]
if __name__ == "__main__":
prices = [3,3,5,0,0,3,1,4]
max_profit = Solution().maxProfit(prices)
print(max_profit)
代码很简洁,执行效率在70%左右,还是不错了。