什么是DP思想?这也是我第一次接触DP思想,先上题目让我们看看DP思想和暴力破解所用的时间差距。
题目:
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。
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
首先是常规的暴力破解:
public int maxProfit(int[] prices) {
int max = 0;
for (int i = 0 ; i < prices.length - 1 ; i++) {
for (int j = i+1; j < prices.length; j++) {
if ((prices[j] > prices[i]) && (prices[j]-prices[i]>max)){
max = prices[j]-prices[i];
}
}
}
return max;
}
暴力破解,顾名思义就是一个一个来进行比较。上述代码在 i 循环里,定下了购买股票的价格;再在 j 循环里找到往后价格最高的一天,并且利润大于之前的最高利润时卖出,得到的利润重新赋值给 max 。
不难看出,for循环里嵌套着for循环,执行效率会非常低。所以导致在输入一个长度近4万位的数组时,执行时间太过长。
所以这时DP思想的优势就出来了
1、我们可以先记录下今天买下之前的最小值min
2、然后计算在min时买入,今天卖出的收益
3、最后记录收益最大那次买卖为max
public int maxProfit(int[] prices) {
if (prices.length<=1){
return 0;
}
int min = prices[0];//当日买入前最小值
int max = 0;//获利
for (int i = 1 ; i < prices.length; i++) {
if ((prices[i] < min)) {
min = prices[i];//记录下买入的最小值
}
if ((prices[i]-min)>max){//判断里计算在min时买入,今天卖出的收益
max = prices[i]-min;//如果此次交易的收益比之前的都要大,则此时记录下最大获利
}
}
return max;
}
这就是DP思想的一个体现,将一个问题分解为子问题递归求解(小问题按阶段分),并且将中间结果保存,这样就能避免暴力破解时,重复比较的尴尬处境,这就叫做“动态规划”。