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。
解题思路一:
遍历一遍数组,记录每次到当天为止的最小股票价格和最大股票利润
代码实现:
def maxProfit(prices):
minprice = float('inf')
maxprofit = 0
for price in prices:
minprice = min(minprice, price)
maxprofit = max(maxprofit, price - minprice)
return maxprofit
list1 = [7, 1, 5, 3, 6, 4]
print(maxProfit(list1))
输出:
解题思路二:
典型的动态规划问题
- 动态规划做题步骤
- 明确 dp(i)dp(i) 应该表示什么(二维情况:dp(i)(j)dp(i)(j));
- 根据 dp(i)dp(i) 和 dp(i-1)dp(i−1) 的关系得出状态转移方程;
- 确定初始条件,如 dp(0)dp(0)。
本题解题思路:表示前
天的最大利润,我们始终保持利润最大化,动规方程为:
代码实现:
def maxProfit(prices):
n = len(prices)
if n == 0: # 设置边界条件
return 0
dp = [0]*n # 初始化dp数组
minprice = prices[0]
for i in range(1, n):
minprice = min(minprice, prices[i])
dp[i] = max(dp[i-1], prices[i] - minprice)
# print(dp)
return dp[-1]
list1 = [7, 1, 5, 3, 6, 4]
print(maxProfit(list1))
输出: