leecode121. 买卖股票的最佳时机

动态规划解决股票交易最大利润问题

最新推荐文章于 2024-09-05 14:57:25 发布

原创最新推荐文章于 2024-09-05 14:57:25 发布 · 137 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#蓝桥杯 #p2p #职场和发展

这篇博客讨论了一个经典的算法问题，即如何在给定的一组股票价格中找到最大的交易利润。通过双重遍历的方法可能会导致超时，因此提出了使用动态规划的解决方案。动态规划策略是维护当前数组的最小值和当前收益的最大值，从而避免了二次遍历，提高了效率。示例展示了如何在不同价格序列下应用此算法，包括当无法获得利润时的情况。

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：

1 <= prices.length <= 105
0 <= prices[i] <= 104

双重遍历的时间复杂度为O(N2)，将会超时。使用动态规划

class Solution {
    public int maxProfit(int[] prices) {
        //当前数组的最小值
        int min = prices[0];
        //当前收益的最大值
        int max = 0;
        for (int i = 1; i < prices.length; i++) {
            //当前收益
            if (prices[i] - min > max) {
                max = prices[i] - min;
            }
            //当前最小值
            if (prices[i] < min) {
                min = prices[i];
            }
        }
        return max;
    }
}