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。
解题思路
动态规划法:
第i天的最大收益dp[i] = max{前i-1天的最大收益dp[i-1], 第i天的价格-前i-1天中的最低价格},所以需要记录前i-1天中的最低价。
则转换公式为:
dp[i] = max(dp[i-1], prices[i]-minprice)
步骤:
1)首先开创一个n维dp数组,初始化为0(一般求最大值,则初始化为一个比较小的数),并将第1天的价格设为历史最小值 minprice = prices[0]
2)从第二天开始进入循环,即for i in range(1,n):
2.1)将当天价格与历史最小值比较,小的作为新的历史最小值;
2.2)将前i-1天的最大收益与今天卖出可以获得的收益,取最大值;
3)返回到最后一天为止的最大收益dp[-1]。
复杂度分析:
时间复杂度:O(n),只需一次遍历即可。
空间复杂度:O(n),需要n维的dp数组。
代码
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) == 0:
return 0
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]