最佳时期买入和卖出股票1~II

本文介绍了解决LeetCode上两个经典问题的算法:121.买卖股票的最佳时机与122.买卖股票的最佳时机II。针对两种不同的交易规则,分别使用贪心法求解最大利润,包括单次交易的最大利润和多次交易的最大累积利润。

leetcode:121. Best Time to Buy and Sell Stock

一、问题描述

        假设你有一个数组,其中第i个元素是第i天给定股票的价格。只允许完成至多一笔交易(即买入一笔股票并出售股票的一部分股份),设计一种算法以找出最大利润。请注意,在购买股票之前,无法出售股票。

【举例】
<例 1>
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第2天买入(价格= 1)并在第5天卖出(价格= 6),利润= 6-1 = 5。不是7-1 = 6,因为销售价格需要大于购买价格。

<例 2>
输入: [7,6,4,3,1]
输出: 0

解释: 在这种情况下,不进行交易,即最大利润= 0。

二、问题分析及算法

        采用贪心法:找到价格最低和最高的那天,高卖低买,条件:最低的那天在最高的那天之前

/***************************************************
author:tmw
date:2018-6-4
***************************************************/
#include <stdio.h>
#include <stdlib.h>

#define max(a,b) (a>b?a:b)
#define min(a,b) (a<b?a:b)
int maxProfit(int* prices, int pricesSize)
{
    int max_profit = 0;
    int low_price = prices[0];
    int i;

    for( i=1; i<pricesSize; i++ )
    {
        //在i位置及之后找最大profit -- 即最大price
        max_profit = max(max_profit, prices[i]-low_price);

        //在i位置之前找最小的price
        low_price = min(low_price,prices[i]);
    }
    return max_profit;
}

leetcode122. Best Time to Buy and Sell Stock II

三、问题描述

假设你有一个数组,其中第i个元素是第i天给定股票的价格。设计一个算法来找到最大的利润。可以完成尽可能多的交易(即多次买入和卖出一次股票)。注意:不可以同时进行多笔交易(即,必须在再次购买之前出售股票)。
【举例】
<例 1>
输入: [7,1,5,3,6,4]
输出: 7
解释: 在第2天购买(价格= 1)并在第3天卖出(价格= 5),利润= 5-1 = 4。
        然后在第4天购买(价格= 3)并在第5天卖出(价格= 6),利润= 6-3 = 3。
<例 2>
输入: [1,2,3,4,5]
输出: 4
解释: 在第1天购买(价格= 1)并在第5天卖出(价格= 5),利润= 5-1 = 4。
        请注意,您不能在第1天购买,在第2天购买并稍后卖出,就像您一样
        同时参与多笔交易。 你必须在再次购买之前出售。
<例 3>
输入: [7,6,4,3,1]
输出: 0

四、问题分析及算法

贪心:拿例子说明:
7,1,5,3,4,6

max_profix = 5-1 + 6-3 = 5-1 + 4-3 + 6-4   =>  问题转化成两两之间正的差价相加

/************************************************
Author:tmw
Date:2018-6-4
*************************************************/
#include <stdio.h>
#include <stdlib.h>

#define max(a,b) (a>b?a:b)
int maxProfit(int* prices, int pricesSize)
{
    int max_profit = 0;
    int i;
    for( i=1; i<pricesSize; i++ )
        max_profit += max(0,prices[i]-prices[i-1]);
    return max_profit;
}



梦想还是要有的,万一实现了呢~~~~ヾ(◍°∇°◍)ノ゙~~~~

在处理买卖股票以获得最大利润的问题中,动态规划是一种常见且有效的解决方法。该问题通常要求在给定的股票价格数组中,找到一个买入卖出的时机,使得利润最大化。以下是动态规划的基本思路实现方式。 ### 动态规划的基本思路 动态规划的核心思想是通过维护一个状态数组来记录每一天的最优决策,从而推导出全局的最优解。在买卖股票问题中,状态通常包括以下两种: - **持有股票的状态**:表示在当天结束后仍然持有股票。 - **不持有股票的状态**:表示在当天结束后已经卖出股票或未买入股票。 通过状态转移方程,可以计算每一天的最优利润,最终找到最大利润。 ### 状态转移方程 假设 `prices` 是一个包含每天股票价格的数组,长度为 `n`。定义一个二维数组 `dp`,其中 `dp[i][0]` 表示第 `i` 天结束后持有股票的最大利润,`dp[i][1]` 表示第 `i` 天结束后不持有股票的最大利润。状态转移方程如下: - `dp[i][0] = max(dp[i-1][0], -prices[i])`:第 `i` 天结束后持有股票的最大利润,可能是前一天已经持有股票,或者当天买入股票。 - `dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])`:第 `i` 天结束后不持有股票的最大利润,可能是前一天已经不持有股票,或者当天卖出股票 [^1]。 ### 初始状态 - `dp[0][0] = -prices[0]`:第 0 天买入股票。 - `dp[0][1] = 0`:第 0 天不持有股票。 ### 实现代码 以下是动态规划方法的实现代码: ```python def maxProfit(prices): n = len(prices) if n == 0: return 0 dp = [[0, 0] for _ in range(n)] dp[0][0] = -prices[0] dp[0][1] = 0 for i in range(1, n): dp[i][0] = max(dp[i-1][0], -prices[i]) dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]) return dp[n-1][1] ``` ### 示例 假设股票价格数组为 `[7, 1, 5, 3, 6, 4]`,则最大利润为 `5`,即在价格为 `1` 时买入,在价格为 `6` 时卖出。 ### 复杂度分析 - **时间复杂度**:`O(n)`,因为需要遍历一次价格数组。 - **空间复杂度**:`O(n)`,用于存储状态数组 `dp`。 ### 贪心算法的替代方案 除了动态规划,还可以使用贪心算法来解决该问题。贪心算法的核心思想是记录当前已知的最低买入价格,并在每一天计算可能的利润,最终找到最大利润值 [^4]。 以下是贪心算法的实现代码: ```python def maxProfit(prices): min_price = float('inf') max_profit = 0 for price in prices: if price < min_price: min_price = price else: max_profit = max(max_profit, price - min_price) return max_profit ``` ### 示例 对于价格数组 `[7, 6, 4, 3, 1]`,最大利润为 `0`,因为价格持续下降,没有盈利机会。 ---
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