股票买卖时机算法解析-优快云博客

本文详细解析了在给定股票价格数组的情况下，如何通过算法计算出最大利润的股票买卖时机。介绍了两种解法，包括暴力算法和动态规划（DP）算法，并提供了Python代码实现。

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。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解题思路

解法一：暴力算法

暴力算法不用多说，就是数组大就会超时

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        maxprofit = 0
        for i in range(0,len(prices)):
            for j in range(i+1,len(prices) ):
                profit = prices[j] - prices[i]
                if (profit > maxprofit):
                    maxprofit = profit
        return maxprofit

解法二.DP
参考最大子序和
把最大子序和改写成两元素的差值，

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        if len(prices) == 0:
            return 0
        p = prices[0]
        maxp = 0
        curr_max = 0
        for a in prices[1:]:
            x = a - p
            p = a
            curr_max = curr_max + x if curr_max > 0 else x
            #记录当前元素与之前元素的最大差值
            maxp = max(maxp, curr_max)
            #记录全局最大差值
        return maxp