题目链接:121. 买卖股票的最佳时机
题目描述
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
文章讲解:代码随想录
视频讲解:动态规划之 LeetCode:121.买卖股票的最佳时机1_哔哩哔哩_bilibili
题解1:贪心算法
思路:从后往前遍历数组,记录可以卖出的最大值,计算最大价值。局部最优为某天买入股票可以获得的最大利润,全局最优为获得最大利润。
/*** @param {number[]} prices* @return {number}*/
var maxProfit = function(prices) {const n = prices.length;let res = 0;let max = prices[n - 1];for (let i = n - 2; i >= 0; i--) {max = Math.max(max, prices[i]);res = Math.max(res, max - prices[i]);}return res;
};
分析:时间复杂度为 O(n),空间复杂度为 O(1)。
题解2:动态规划
思路:第 i 天持有股票的最大现金和不持有股票的最大现金与前一天有关,可以使用动态规划法。
动态规划分析:
- dp 数组以及下标的含义:dp 是一个二维数组,每行两个元素。dp[i][0] 表示第 i 天持有股票所得的最大现金,dp[i][1] 代表第 i 天不持有股票所得的最大现金。
- 递推公式:dp[i][0] 为第 i 天持有股票的最大现金,若前一天持有股票,则为 dp[i - 1][0],若前一天不持有股票,在第 i 天买入股票,则为 -prices[i],即 dp[i][0] = Math.max(dp[i - 1][0], -prices[i])。dp[i][1] 为第 i 天不持有股票的最大现金,若前一天不持有股票,则为 dp[i - 1][1],若前一天持有股票,在第 i 天卖出股票,最大现金为前一天持有股票的最大现金加上卖出股票所得的现金,则为 dp[i - 1][0] + prices[i],即 dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i])。
- dp 数组初始化:dp[0][0] = -prices[0],dp[0][1] = 0。
- 遍历顺序:从前到后。
- 打印 dp 数组:以输入 [7,1,5,3,6,4] 为例,dp 数组为 [ [ -7, 0 ], [ -1, 0 ], [ -1, 4 ], [ -1, 4 ], [ -1, 5 ], [ -1, 5 ] ]。
/*** @param {number[]} prices* @return {number}*/
var maxProfit = function(prices) {const n = prices.length;const dp = new Array(n).fill().map(() => new Array(2));dp[0] = [-prices[0], 0];for (let i = 1; i < n; i++) {dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);}return dp[n - 1][1]; // 最后一天不持有股票一定比持有股票多
};
分析:时间复杂度为 O(n),空间复杂度为 O(n)。
收获
练习动态规划法求解买卖股票问题。