[LC]121. Best Time to Buy and Sell Stock

本文介绍了一种寻找股票买卖最佳时机以获得最大利润的算法。通过分析股价数组,利用动态规划找出最大差值,实现O(n)的时间复杂度。

一、问题描述

Say you have an array for which the ith element is the price of a given stock on day i.

If you were only permitted to complete at most one transaction (ie, buy one and sell one share of the stock), design an algorithm to find the maximum profit.

Example 1:

Input: [7, 1, 5, 3, 6, 4]
Output: 5

max. difference = 6-1 = 5 (not 7-1 = 6, as selling price needs to be larger than buying price)

Example 2:

Input: [7, 6, 4, 3, 1]
Output: 0

In this case, no transaction is done, i.e. max profit = 0.

二、我的思路

看成实际上求的是数组中后面的数和前面的数字的最大正差值。

我先把数组里的绝对数值转化为前后数字的差值,比如[7,1,5,3,6,4]转换为[0,-6,4,-2,3,-2]。

于是,求后面数字和前面数字的最大差值就变成了求差值数组的子数组最大和问题。


关于求最大和的方法,可以用n^3方法遍历:固定子数组起点、终点,再用一层循环算和。

也可以用动态规划的O(n)方法,参考了https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/02.04.md

该方法思路:

  • 用一个变量curSum记录当前状态下正在延续的最大子数组和,一个maxSum,为目前出现的所有数组的最大子数组和。
  • 对于当前要处理的新元素,要么加入当前正在延续的子数组;要么结束当前延续的子数组,并以该元素作为新数组的起始元素。
  • 如果当前元素加入延续子数组产生的和比该元素大的话,则把该元素加到延续数组;否则以该元素作为新数组起始元素。更新curSum。如果curSum > maxSum,则maxSum = curSum。

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0){
            return 0;
        }
        
        for(int i = prices.length-1; i > 0; i --){
            prices[i] = prices[i] - prices[i-1];
        }
        prices[0] = 0;
        
        int currSum = 0;
	    int maxSum = prices[0];    

	    for (int j = 0; j < prices.length; j++)
	    {
		    currSum = (prices[j] > currSum + prices[j]) ? prices[j] : currSum + prices[j];
		    maxSum = (maxSum > currSum) ? maxSum : currSum;

	    }
        
	    return Math.max(maxSum, 0);
    }
}

三、淫奇技巧

1. 最高票答案和我想法一样,但是实现更为简单。直接用的差值,没有先把数组改变一下。

  public int maxProfit(int[] prices) {
        int maxCur = 0, maxSoFar = 0;
        for(int i = 1; i < prices.length; i++) {
            maxCur = Math.max(0, maxCur += prices[i] - prices[i-1]);
            maxSoFar = Math.max(maxCur, maxSoFar);
        }
        return maxSoFar;
    }

*maxCur = current maximum value

*maxSoFar = maximum value found so far

2. 排名第二的答案是记录当前出现的最小值,然后记录至今为止出现的最大差值。

minPrice is the minimum price from day 0 to day i. And maxPro is the maximum profit we can get from day 0 to day i.

How to get maxPro? Just get the larger one between current maxPro and prices[i] - minPrice.

int maxProfit(vector<int> &prices) {
    int maxPro = 0;
    int minPrice = INT_MAX;
    for(int i = 0; i < prices.size(); i++){
        minPrice = min(minPrice, prices[i]);
        maxPro = max(maxPro, prices[i] - minPrice);
    }
    return maxPro;
}

四、知识点

主要还是需要多学习一些基本算法作为工具。否则就空有思路,无法更好的实现了。。继续加油!


Matlab基于粒子群优化算法及鲁棒MPPT控制器提高光伏并网的效率内容概要:本文围绕Matlab在电力系统优化与控制领域的应用展开,重点介绍了基于粒子群优化算法(PSO)和鲁棒MPPT控制器提升光伏并网效率的技术方案。通过Matlab代码实现,结合智能优化算法与先进控制策略,对光伏发电系统的最大功率点跟踪进行优化,有效提高了系统在不同光照条件下的能量转换效率和并网稳定性。同时,文档还涵盖了多种电力系统应用场景,如微电网调度、储能配置、鲁棒控制等,展示了Matlab在科研复现与工程仿真中的强大能力。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事新能源系统开发的工程师;尤其适合关注光伏并网技术、智能优化算法应用与MPPT控制策略研究的专业人士。; 使用场景及目标:①利用粒子群算法优化光伏系统MPPT控制器参数,提升动态响应速度与稳态精度;②研究鲁棒控制策略在光伏并网系统中的抗干扰能力;③复现已发表的高水平论文(如EI、SCI)中的仿真案例,支撑科研项目与学术写作。; 阅读建议:建议结合文中提供的Matlab代码与Simulink模型进行实践操作,重点关注算法实现细节与系统参数设置,同时参考链接中的完整资源下载以获取更多复现实例,加深对优化算法与控制系统设计的理解。
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
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