leetcode之Best Time to Buy and Sell Stock(121)

本文介绍了一种计算股票交易最大利润的算法。该算法通过遍历价格数组,记录最低购买价格并更新最大利润来实现。示例展示了如何使用此算法进行实际计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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),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。

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。

python代码:

class Solution:
    def maxProfit(self, prices):
        if len(prices) <= 1:
            return 0
        maxprofit = 0
        low = prices[0]
        for i in range(len(prices)):
            if prices[i] < low:
                low = prices[i]
            maxprofit = max(maxprofit,prices[i] - low)
        return maxprofit

 

### LeetCode 121 题目解析 LeetCode121 题名为 **Best Time to Buy and Sell Stock**,其目标是在给定的价格数组中找到最大利润。可以通过一次交易(买入和卖出)来最大化收益。 #### 动态规划解法分析 对于该问题,可以采用动态规划的方法解决。以下是详细的解释: 定义状态变量 `T_i` 表示到第 `i` 天为止的最大利润。为了计算这个值,我们需要维护两个关键的状态: - 当前最低价格 `min_price`:表示在当前天之前股票的最低购买价格。 - 利润更新逻辑:每天尝试更新最大利润为当天价格减去之前的最低价格。 具体实现如下所示[^4]: ```cpp class Solution { public: int maxProfit(vector<int>& prices) { if (prices.empty()) return 0; int minPrice = INT_MAX; // 初始化最小价格为正无穷大 int maxProfit = 0; // 初始化最大利润为零 for (const auto& price : prices) { minPrice = std::min(minPrice, price); // 更新最低价格 maxProfit = std::max(maxProfit, price - minPrice); // 计算并更新最大利润 } return maxProfit; } }; ``` 上述代码的核心在于通过单次遍历完成所有操作,时间复杂度为 \(O(n)\),空间复杂度为 \(O(1)\)[^4]。 --- #### 关键点说明 1. 使用动态规划的思想时,虽然表面上看起来是一个贪心算法的应用场景,但实际上它也可以被看作是一种简化版的动态规划方法。这里的关键是利用了历史数据中的最优点(即最低价),从而减少了不必要的重复计算[^5]。 2. 对于更复杂的买卖次数限制情况(如最多两次交易等问题),则需要用到多维 DP 数组或者额外的状态变量来进行建模[^3]。 --- ### 总结 针对 LeetCode121 题的最佳解决方案之一就是基于动态规划思想设计出的时间效率高的线性扫描算法。这种方法不仅简单易懂而且性能优越,在实际应用中有很高的价值[^4]。 ---
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