题目描述
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
输入:prices = [7,1,5,3,6,4]
输出:7
解释:在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
总利润为 4 + 3 = 7 。
示例 2:输入:prices = [1,2,3,4,5]
输出:4
解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。
示例 3:输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。提示:
1 <= prices.length <= 3 * 104
0 <= prices[i] <= 104
做题思路
本题有三种解法
一二种是利用
动态规划的思想,其中第二种是在第一种方案的基础上进行的优化第三种是根据本题的特征利用的
贪心算法的思想先说第一种解法,动态规划
我的第一种解法是按照常规的动态规划处理的
定义一个二维数组,每一列包含两个元素
根据动态规划 瞻前顾后 的思想
我以第一个元素表示 卖股票后所剩于的最大金额
第二个元素:买股票后剩余的最大金额
动态规划方程在下面代码实现
再说说第二种的优化,在第一种里面,时间O(n) 空间也是 O(n)
因为不管怎么说都需要遍历一遍数组,所以时间没办法优化
只能从空间来优化,每次动态规划之后,
后面的元素都将会覆盖前面元素的结果
所以 我们可以定义四个常量来模拟动态规划的覆盖过程,只不过每次规划完之后要进行值的交换
- 第三种方法是根据本题的特点:无限次购买
- 贪心算法的思想:
每次只顾当下,我当下要谋取最大的利益- 所以我们就可以只使用一个变量来累加每一天谋取的最大利润即可
代码实现
//法1
class Solution {
public int maxProfit(int[] prices) {
int len=prices.length;
if(len < 2){
return 0;
}
int[][] dp=new int[len][2];
dp[0][0]=0;
dp[0][1]=-prices[0];
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],dp[i-1][0]-prices[i]);
}
return dp[len-1][0];
}
}
//法2
class Solution {
public int maxProfit(int[] prices) {
int len=prices.length;
if(len < 2){
return 0;
}
int sell=0;
int buy =-prices[0];
int preSell=sell;
int preByu=buy;
for(int i=1;i<len;i++){
sell=Math.max(preSell,preByu+prices[i]);
buy=Math.max(preByu,preSell-prices[i]);
preByu=buy;
preSell=sell;
}
return sell;
}
}
//法3
class Solution {
public int maxProfit(int[] prices) {
int len=prices.length;
if(len < 2){
return 0;
}
int res=0;
for(int i=1;i<len;i++){
res+=Math.max(0,prices[i]-prices[i-1]);
}
return res;
}
}
本文介绍了如何使用动态规划和贪心算法解决寻找买卖股票最佳时机的问题。给出了三种不同的解决方案:一种是传统的动态规划方法,第二种是优化的空间效率动态规划,第三种是基于贪心策略的方法。每种方法都通过具体的代码实现来说明,并提供了示例以展示算法的运行过程。
414

被折叠的 条评论
为什么被折叠?



