有趣的Leecode - 买卖股票的最佳时机

1. 买卖股票的最佳时机问题简介

买卖股票的最佳时机(LeetCode 121)是一个经典的动态规划问题。给定一个数组prices,第i个元素表示股票在第i天的价格。可以进行多次交易,但是必须先卖出手中的股票才能再次购买股票,而且只能拥有一支股票。

问题要求找出可以获得的最大收益。

2. 解决思路

2.1. 暴力法

暴力法是一种简单但低效的解法。对于每个时间点i,都计算卖出的最大利润并更新最大利润值。

算法步骤如下:

max_profit = 0

for i in range(len(prices)):

for j in range(i+1, len(prices)):

profit = prices[j] - prices[i]

if profit > max_profit:

max_profit = profit

return max_profit

时间复杂度:O(n^2)

在实际代码中的优化:通过遍历一次数组,记录到当前天为止的最低价格min_price和最大利润max_profit。若当前价格小于最低价格,则更新最低价格,否则计算当前价格与最低价格的利润,并更新最大利润。

min_price = float('inf')

max_profit = 0

for price in prices:

if price < min_price:

min_price = price

elif price - min_price > max_profit:

max_profit = price - min_price

return max_profit

时间复杂度:O(n)

2.2. 动态规划

动态规划是解决本问题的最优解法。定义状态dp[i]表示到第i天为止的最大利润。如果第i天卖出股票,则前i-1天的最大利润为dp[i-1],第i天的利润为prices[i] - min_price,其中min_price为前i-1天的最低价格;如果第i天不卖出股票,则前i天的最大利润与前i-1天的最大利润相同。

状态转移方程为:

dp[i] = max(dp[i-1], prices[i] - min_price)

算法步骤如下:

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

时间复杂度:O(n)

3. 实际代码

以下是使用Python实现的动态规划解法:

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

4. 总结

买卖股票的最佳时机问题是一道经典的动态规划问题,可以通过暴力法和动态规划来解决。

暴力法的时间复杂度为O(n^2),效率较低,因此在实际代码中我们采用了动态规划的解法。动态规划的时间复杂度为O(n),且代码更简洁。

使用动态规划解题时,我们需要定义合适的状态和状态转移方程。在本问题中,我们定义了状态dp[i]表示到第i天为止的最大利润,通过不断更新最低价格和最大利润来得到结果。

因此,动态规划是解决买卖股票的最佳时机问题的最优解法。

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签