力扣打卡之买卖股票的最佳时机

43 篇文章 0 订阅
这篇博客探讨了四种解决股票交易最大利润问题的算法。方法一使用回溯,但效率低下;方法二采用暴力求解,双层循环计算所有可能组合;方法三通过一次遍历找到最低价格并计算最大利润;方法四是动态规划,利用前一天的状态来优化当前决策。每种方法都有其优缺点,实际应用中需考虑时间和空间复杂度。
摘要由CSDN通过智能技术生成

题目描述

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 。

 思路解析与代码展示

方法一:

最开始我的想法是使用回溯的方式解决,但是最后就出现了一个问题,那就是这里使用回溯算法会使得时间复杂度巨高!下面是我的思路

class Solution {
    public int maxProfit(int[] prices) {
        //所以这里就相当于已经有了一些数据,然后我们只需要在数据中找到差值最大的两个数据的下标就可以,前提就是不可以用前面减去后面而已
        if(prices.length==0) return 0;  //如果不存在,直接返回0
        int x=0;  //指向最前面
        int y=prices.length-1;  //指向最后面
        int result=0; //定义一个用来装载我们的结果
        return helper(prices,0,y,result);
    }
    private int helper(int[] prices,int x,int y,int result){
        if(y==0) return result;
        for(int i=x;i<y;i++){
            if(prices[i]>prices[y])
            {
                continue;
            }
            result=Math.max(prices[y]-prices[i],result);
        }
        result=Math.max(helper(prices,0,y-1,result),result);
        return result;
    }
}

方法二:

上面的方法不行,那么我们来尝试新的方法----暴力求解

public class Solution {
    public int maxProfit(int[] prices) {
        int maxprofit = 0;
        for (int i = 0; i < prices.length - 1; i++) {
            for (int j = i + 1; j < prices.length; j++) {
                int profit = prices[j] - prices[i];
                if (profit > maxprofit) {
                    maxprofit = profit;
                }
            }
        }
        return maxprofit;
    }
}

方法三:一次遍历

我们发现,只要我们知道最小值是多少,我们就可以通过一次遍历得到最小的值,那么我们怎么知道最小的值是多少?

我们可以最开始把第一个值作为最小的值,然后后面的每个值和这个值作比较,如果小于这个值,那么这个值就作为当前的值,如果大于的话就用当前值减去最小值,最后我们就可以得到最后想要的结果了!

这个也是根据股票购买的权限(不可以后面的作为买,前面的作为卖!)来确定的

public class Solution {
    public int maxProfit(int prices[]) {
        int minprice = Integer.MAX_VALUE;
        int maxprofit = 0;
        for (int i = 0; i < prices.length; i++) {
            if (prices[i] < minprice) {
                minprice = prices[i];
            } else if (prices[i] - minprice > maxprofit) {
                maxprofit = prices[i] - minprice;
            }
        }
        return maxprofit;
    }
}

方法四:动态规划

从题目可以知道,我们当前会取决于前一天我们买还是不买!

public class Solution {

    public int maxProfit(int[] prices) {
        int len = prices.length;
        // 特殊判断
        if (len < 2) {
            return 0;
        }
        int[][] dp = new int[len][2];

        // 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

        // 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 2 天开始遍历
        for (int i = 1; i < len; i++) {
            dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
            dp[i][1] = Math.max(dp[i - 1][1], -prices[i]);
        }
        return dp[len - 1][0];
    }
}

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值