[Leetcode][Dynamic programming] 121. Best time to buy and sell stock

本文探讨了一种寻找给定股票价格数组中能够通过一次买卖操作获得的最大利润的算法。介绍了从原始动态规划方法到更高效的线性扫描方法的演进过程。

Say you have an array for which the ith element is the price of a given stock on the day i.
If you were only permitted to complete only one transaction (i.e. buy one and sell one stock), design an algorithm to find the maximum profit.

我最初的设想是运用最原始的dynamic programming来解决这个问题,这个解决方案的时间和空间复杂度都是O(n^2) (需要n^2次循环和n^2大小的二维数组)。我的代码如下:

public class Solution {
    /**
     * Bottom-up approach
     * Profit(selldatelimit, buydatelimit) = max{Profit(selldate-1, buydate), Profit(selldate, buydate+1), p[selldate] - p[buydate]} this is the maximum profit we can get from the time range of buydatelimit to the selldatelimit
     * Profit(selldatelimit, buydatelimit) = 0 if selldate = buydate
     * Profit(selldatelimit, buydatelimit) doesn't exist if selldatelimit < buydatelimit
     * i = selldatelimit
     * j = buydatelimit
     * i >= j
     */
    public int maxProfit(int[] prices) {
        int l = prices.length;
        if (l == 0) {
            return 0;
        }
        int[][] profit = new int[l][l];
        for (int c = 0; c <= l - 1; c++) {
            for (int j = 0; j <= l - 1 - c; j++) {
                int i = j + c;
                if (i == j) {
                    profit[i][j] = 0; 
                    //buy and sell at the same day, profit is 0
                }
                else {
                    profit[i][j] = profit[i][j+1] > profit[i-1][j] ? profit[i][j+1] : profit[i-1][j];
                    profit[i][j] = profit[i][j] > (prices[i] - prices[j]) ? profit[i][j] : prices[i] - prices[j];
                    //profit[i][j] is the largest one among the three ones
                }
            }
        }

        return profit[l - 1][0]; 
        //return the largest profit we can get from the time range of the first day to the last day
    }
}

然而这个方法在提交的时候报错: Time Limit Exceeded. 报错的时候提示的输入数组是一个非常大的数组。

出错的原因很可能是因为O(n^2)的时间和空间复杂度导致的执行速度太慢超出了时间限制。所以我参考了discussion里的解法。总结出如下方法:
1. 因为此题的目的是求出在只能买卖一次的情况下如何获取最大利润,所以其根本目的是求出在prices[]数组中任意两个数据之间的差值的最大值。(当然卖出时间要大于买入时间)
2. 那么基本的想法就是如果prices[i] > prices[i-1],最大差值就应当是历史最优利润或者当前价格减去历史最低价格(max{profit, prices[i]-minimal_price})
如果prices[i] < prices[i-1],那么最大差值应当是历史最优利润,此时应当更新历史最低价格。

那么在这种情况下,程序应当如下:

public class Solution {
    public int maxProfit(int[] prices) {
        /**
         * basic idea:
         * Since we can only complete at most one transaction, we only need to find out the maximum interval between any two prices in side the prices array. 
         * So the largest profit must be the historical maximum interval until day N-1 or the interval between price of Day N and the historical minimum price.
         * Then we may have to renew the mimimum price or the maximum interval.
         */
        int l = prices.length;
        if (l == 0 || l == 1){
            return 0;
        }
        int minprice = prices[0];
        int maxprofit = 0;
        for (int i = 1; i < l; i ++){
            maxprofit = maxprofit > prices[i] - minprice ? maxprofit : prices[i] - minprice;
            minprice = minprice < prices[i] ? minprice : prices[i];
        }
        return maxprofit;
    }
}

其中的三元运算符起到判断大小的作用。此种方法对应的程序的时间复杂度为O(n)而空间复杂度为O(1)。

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

耀凯考前突击大师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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