给定一个数组 prices
,它的第 i
个元素 prices[i]
表示一支给定股票第 i
天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0
。
示例 1:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
示例 2:
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。
提示:
- 1 <=
prices.length
<= 105 - 0 <=
prices[i]
<= 104
思路
这题想了很久,一直搞不懂怎么设计出一个合理的状态dp和状态转移方程。然后试着用暴力法搜索,果不其然超时了,挂在了一个一整个网页都显示不完全的样例上……
然后试了一下之前想的dp,强行凑了一个状态转移方程出来,居然能AC……
以第一个示例来看,假设dp[i]
表示第i
天卖出的最大利润,于是有:
dp[0] = 0
dp[1] = 0
dp[2] = -1+5 = 4
dp[3] = -1+3 = 2
dp[4] = -1+6 = 5
dp[5] = -1+4 = 3
因此,很容易就能想到,解题的过程就是先求解出dp数组,然后再找出dp数组的最大值即是答案。
那么,要如何求解出dp数组呢?这就需要寻找出状态转移方程了,动态规划的状态转移一般是从前一个状态到下一个状态,因此我们可以着眼于其中两个相邻的dp,寻找它们之间的关系:
dp[3] - dp[2] = -1+3+1-5 = -2 = prices[3] - prices[2]
所以,就有:
dp[3] = prices[3] - prices[2] + dp[2]
推到一般情况,就是:
dp[i] = prices[i] - prices[i-1] + dp[i-1]
再来看是否符合全部dp,对于dp[1]
的情况,若按照上式,算出来的是1-7+0=-6
,但实际结果是0
,因此,完善后的状态转移方程应该是:
dp[i] = max{prices[i] - prices[i-1] + dp[i-1], 0}
至此,代码就出来了,直接按照递推方式写即可,赋最初值dp[0] = 0
。
代码
public class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[prices.length];
dp[0] = 0;
for(int i=1;i<prices.length;i++) {
dp[i] = Math.max(prices[i]-prices[i-1]+dp[i-1], 0);
}
int max = 0;
for(int i=1;i<dp.length;i++) {
if(dp[i]>max) max = dp[i];
}
return max;
}
}