题目
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。
如果你最多只允许完成一笔交易(即买入和卖出一支股票一次),设计一个算法来计算你所能获取的最大利润。
注意:你不能在买入股票前卖出股票。
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: [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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解题思路
理解题意
题目本质上是在求数组的最大差值,条件是较大的数字的数组下标要大于较小的数字。
暴力法
嵌套遍历,把数组中的每个数字都当做买入股票的时间,类似于握手问题,将该数字与它后面的所有数字作差,结果只保留最大值情况。
- 时间复杂度O(N2)
内外循环,(N-1) × N / 2,N 表示数组的长度。 - 空间复杂度O(1)
使用有限变量。
一次遍历
暴力法时间复杂度高,为降低时间复杂度,遍历一次数组,直接计算每次到当天为止的最小股票价格和最高利润。
注:我们希望以最小的股票价格买入 哪怕最小股票价格出现位置靠后不占优势,由于每次均保留最高利润,也不会影响最终的判断。
- 时间复杂度O(N)
一次循环,N 表示数组的长度。 - 空间复杂度O(1)
使用有限变量。
一维动态规划
与一次遍历相似,一次遍历是在一维动态规划方法上的简化,每次将最高利润保存到对应的 dp 数组中。
动态规划解题步骤
- 明确 dp(i),dp(i) 应该表示什么;
- 根据 dp(i) 和 dp(i-1) 的关系得出状态转移方程;
- 确定初始条件,如 dp(0)
- 空间复杂度变为O(N)
提交代码
暴力法
class Solution:
def maxProfit(self, prices: List[int]) -> int:
res = 0
for i in range(len(prices)):
for j in range(i + 1, len(prices)):
res = max(res, prices[j] - prices[i])
return res
结果: 超出时间限制
一次遍历
class Solution:
def maxProfit(self, prices: List[int]) -> int:
minprice = float('inf')
maxprofit = 0
for price in prices:
minprice = min(minprice, price)
maxprofit = max(maxprofit, price - minprice)
return maxprofit
一维动态规划
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) == 0: return 0 # 边界条件
dp = [0] * len(prices)
minprice = prices[0]
for i in range(1, len(prices)):
minprice = min(minprice, prices[i])
dp[i] = max(dp[i - 1], prices[i] - minprice)
return dp[-1]
学习总结
- 正无穷的表示
为了得到数组中最小,起初需要有一个正无穷的比较值,这样数组中任何一个被定义的元素均可在一开始作为最小值; - 动态规划一维情况的训练,解题步骤的每一项需要搞清楚,思路相比暴力来说更加条理。