121、买卖股票的最佳时机
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
方法一:暴力法
1.1 思路分析
1.2 代码实现
class Solution {
/**暴力法 */
public int maxProfit(int[] prices) {
int maxPro = 0;
for (int i=0; i < prices.length-1; i++){
for ( int j=i+1; j < prices.length; j++){
int curPro = prices[j] - prices[i];
if (curPro > maxPro){
maxPro = curPro;
}
}
}
return maxPro;
}
}
1.3 测试结果
超出时间限制
1.4 复杂度
- 时间复杂度:O()
- 空间复杂度O()
方法一:贪心算法(一次循环)
2.1 思路分析
2.2 代码实现
class Solution {
/**一次循环 */
public int maxProfit(int[] prices){
int maxPro = 0;
int minPrice = Integer.MAX_VALUE;
for (int i=0; i<prices.length; i++){
if(prices[i] < minPrice){
minPrice = prices[i];
}else {
if ((prices[i] - minPrice) > maxPro){
maxPro = prices[i] - minPrice;
}
}
}
return maxPro;
}
}
2.3 测试结果
2.4 复杂度
- 时间复杂度:O(n)
- 空间复杂度O(1)
方法一:动态规划
3.1 思路分析
3.2 代码实现
class Solution {
/**动态规划 */
public int maxProfit(int[] prices){
int len = prices.length;
// 特判
if (len < 2){
return 0;
}
// dp[i][0] 下标为 i 这天结束的时候,不持股,手上拥有的现金数
// dp[i][1] 下标为 i 这天结束的时候,持股,手上拥有的现金数
int[][] dp = new int[len][2];
// 初始化:不持股显然为 0,持股就需要减去第 1 天(下标为 0)的股价
dp[0][0] = 0;
dp[0][1] = -prices[0];
// 从第二天开始遍历
for (int i=1; i<len; i++){
// 第i天不持股,如果第i-1天也不持股,相当于什么都没做
// 如果第i-1天持股,相当于第i天卖掉了,加上prices[i]
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1]+prices[i]);
// 第i天持股,如果第i-1天也持股,相当于什么都没做
// 如果第i-1天不持股,相当于第i天买入,减去prices[i]
dp[i][1] = Math.max(dp[i-1][1], -prices[i]);
}
return dp[len-1][0];
}
}
3.3 测试结果
3.4 复杂度
- 时间复杂度:O(n)
- 空间复杂度:O(n)