121. 买卖股票的最佳时机 C++

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。

提示:

ans1. 暴力两次循环,会超时

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int maxOfAll = 0;
        int n = prices.size();
        for(int i = 0;i < n-1;i++){
            for(int j = i+1;j < n;j++){
                int curr = prices[j] - prices[i];
                if( curr > maxOfAll) maxOfAll = curr;
            }
        }
        return maxOfAll;
    }
};

ans2. 一次遍历,记录到目前位置为止最低买入价

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int minBuy = prices[0]; // 记录到目前位置为止,最低的买入价格
        int max = 0; // 记录可能赚的最大的数目
        int n = prices.size();
        for(int i = 0;i < n;++i){
            if(prices[i] < minBuy) minBuy = prices[i];
            int curr = prices[i] - minBuy;
            if(curr > max) max = curr; 
        }
        return max;
    }
};

ans3. 动态规划思想,本题ans2 是动态规划思想应用后的优化

### 关于买卖股票最佳时机算法 #### 单笔交易的最大利润 (LeetCode 121) 为了找到单笔交易中的最大利润,可以通过一次遍历数组来解决此问题。核心思路是维护一个变量 `min_price` 来记录当前遇到的最小价格,并计算每天的价格与这个最小价格之间的差值作为潜在利润。最终返回这些潜在利润中的最大值。 以下是基于上述逻辑的 C++ 实现: ```cpp #include <vector> #include <algorithm> // std::max, std::min using namespace std; int maxProfit(vector<int>& prices) { int min_price = INT32_MAX; // 初始化为最大整数值 int max_profit = 0; for(auto price : prices){ min_price = min(min_price, price); // 更新最低价格 max_profit = max(max_profit, price - min_price); // 计算并更新最大利润 } return max_profit; } ``` 这段代码实现了通过一次遍历来找出最大利润的功能[^1]。 --- #### 多次交易的最大利润 (LeetCode 122) 对于允许多次交易的情况,可以采用贪心策略。只要今天的价格高于昨天的价格,就可以认为存在盈利机会。因此,在每次价格上涨时累加其差额即可得到总的最大利润。 下面是对应的 C++ 解决方案: ```cpp #include <vector> using namespace std; int maxProfit(vector<int>& prices) { int total_profit = 0; for(int i = 1; i < prices.size(); ++i){ if(prices[i] > prices[i-1]){ total_profit += prices[i] - prices[i-1]; // 累计上涨部分 } } return total_profit; } ``` 该方法利用了局部最优解累积成全局最优解的特点,从而有效地解决了允许多次交易的问题[^4]。 --- #### 至多两笔交易的最大利润 (LeetCode 123 和 LeetCode 188 的特殊情况 k=2 ) 当限制最多只能进行两次交易时,情况变得复杂一些。一种有效的解决方案是动态规划。定义两个状态数组分别表示第一次和第二次交易后的最大收益。 具体实现如下所示: ```cpp #include <vector> #include <climits> using namespace std; int maxProfit(int k, vector<int>& prices) { if(k == 0 || prices.empty()) return 0; vector<vector<int>> dp(2, vector<int>(k+1, INT_MIN)); vector<int> temp(k+1, 0); for(auto &price : prices){ for(int j=k; j>=1; --j){ dp[1][j] = max(dp[1][j], dp[0][j-1]-price); temp[j] = max(temp[j], dp[1][j]+price); } dp[0] = temp; } return temp[k]; } // 对应至多两次交易调用方式 int main(){ vector<int> prices = {3,3,5,0,0,3,1,4}; cout << maxProfit(2,prices) << endl; } ``` 这里采用了二维 DP 表格存储不同阶段的状态转移关系,其中第一维区分是否已经完成了一次交易,第二维则对应剩余可执行交易次数[^3]。 --- ### 总结 以上展示了三种不同的场景下如何使用 C++ 编程语言解决问题的方法。每种情形都依据特定条件设计了解法,并且均具有较高的时间效率。
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