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。
方案1
首先最自然的想法就是穷举所有情况,然后找出最优的结果
public int maxProfit(int[] prices) {
int res = 0;
for (int i = 0; i < prices.length-1; i++) {
for (int j = i + 1; j < prices.length; j++) {
int tmp = prices[j]-prices[i];
res = res<tmp?tmp:res;
}
}
return res;
}
分析
在专业程序眼中:你写的是啥啊,时间复杂度O(n^2),效率太低了。虽然空间O(1),但是现在计算机的内存比较富裕,一般的做法都是空间换时间。
方案2
作为一道经典的动态规划题,怎么能少了动态规划的解法。
设 dp[i] 就是第 i 天的最大利润,那么最大利润等于什么呢?
1. 今天的价格 - 以前的最低价 = price[i] - min
2. 昨天的价格 = dp[i-1]所以递归方程为:dp[i] = max(price[i]-min, dp[i-1])
public int maxProfit(int[] prices) {
if(prices.length == 0 || prices.length == 1) {
return 0;
}
int dp[] = new int[prices.length];
int min = 0;// 默认最小为0
int len = prices.length - 1;
for(int i = 1;i <= len;++i) {
dp[i] = Math.max(dp[i-1], prices[i]-prices[min]);
if(prices[min]>prices[i]){
min = i;
}
}
return dp[len];
}
分析
这回算法的时间复杂度是O(n),比暴力破解的强的太多太多了,虽然浪费了O(n)的空间复杂度,但是对整体是没有太大影响的。