买卖股票的最佳时机
假设有一个数组,它的第i个元素是一支给定的股票在第i天的价格。如果你最多只允许完成一次交易(例如,一次买卖股票),设计一个算法来找出最大利润。
给出一个数组样例 [3,2,3,1,2], 返回 1
解题
法一:直接暴力,时间发杂度O(N2)
public class Solution { /** * @param prices: Given an integer array * @return: Maximum profit */ public int maxProfit(int[] prices) { // write your code here int Max = 0; if( prices == null || prices.length == 0) return 0; for(int i = 0;i< prices.length ;i++){ for(int j = i;j< prices.length ;j++) Max = Math.max(Max, prices[j] - prices[i]); } return Max; } }
法二:动态规划,选取最小的卖,最大的买,利润最大。
public class Solution { /** * @param prices: Given an integer array * @return: Maximum profit */ public int maxProfit(int[] prices) { // write your code here int result = 0; if( prices == null || prices.length == 0) return 0; int minbuy = prices[0]; for(int i = 1;i< prices.length ;i++){ // 最小的购买,最大的卖 result = Math.max(result,prices[i] - minbuy); minbuy = Math.min(minbuy,prices[i]); } return result; } }
时间复杂度O(N)
Python
class Solution: """ @param prices: Given an integer array @return: Maximum profit """ def maxProfit(self, prices): # write your code here if prices == None or len(prices) ==0: return 0 Min = prices[0] res = 0 for p in prices: res = max(res,p-Min) Min = min(Min,p) return res
法三:分治法
参考《算法导论》
题目要求的是一次购买,一次卖出使得所获价格变化最大。可以考虑每一天的价格变化,第i天的价格变化 等于第i天的价格减去i-1天的价格,这样就会有许多价格变化的数据形成的数组,求这个数组的连续子数组的和的最大值就是答案了。为什么这个这个最大连续子数组就是答案?
假设原始数组是:,若最大收益是 an - a1
相邻差数组是:,显然这个的连续和也是an - a1
问题转化为求最大连续子数组
对上图的例子:
分治法求解最大子数组
假定我们要寻找子数组A[low,...,high]的最大子数组。使用分治法意味着我们要将子数组分成两个规模尽量相同的子数组。也就是说,找到子数组的中央位置,比如:mid,然后考虑求两个子数组A[low,...,mid] 和A[mid+1,...,high]。
A[low,...,high]的然后连续子数组A[i,...,j]所处的位置必然是一下三种情况之一:
(1)完全位于子数组A[low,...,mid]中,因此low<=i<=j<=mid
(2)完全位于子数组A[mid+1,...,high]中,因此mid+1<=i<=j<=high
(3)跨越了中间点,因此low<=i<=mid<=j<=high
所以,可以递归的求解(1)(2)两种情况的最大子数组,剩下的就是对(3)情况寻找跨越中间点的最大子数组,然后在三种情况中选取和最大者。如下图所示
对于跨越中间点的最大子数组,可以在线性时间内求解。可以找出A[i,...,mid] 和A[mid+1,...,j]的最大子数组,合并就是答案。
参考算法导论写的寻找经过中间点时候的最大连续子数组
public int findMaxCrossingSubarray(int[] A,int low,int mid,int high){ if(low > mid || mid>high) return Integer.MIN_VALUE; int leftSum = Integer.MIN_VALUE; int rightSum = Integer.MIN_VALUE; int sum = 0; int maxleft = -1; int maxright = -1; for(int i = mid;i>=low;i--){ sum+=A[i]; if( sum >= leftSum){// 向左只要和增加就更新 leftSum = sum; maxleft = i; } } sum = 0; for(int j = mid+1;j<=high;j++){ sum+=A[j]; if(sum>=rightSum){ rightSum = sum; maxright = j; } } return leftSum + rightSum; }
算法导论上的伪代码
时间复杂度O(N)
上面有返回的边界,我只是返回了子数组的最大值
下面在递归的求解整个数组的最大连续子数组
public int findMaxSubarray(int[] A,int low,int high){ if(low == high) return Math.max(A[low],0); else{ int mid = low + (high - low)/2;// 防止越界 int leftSum = findMaxSubarray(A,low,mid);//(1) int rightSum = findMaxSubarray(A,mid+1,high);//(2) int midSum = findMaxCrossingSubarray(A,low,mid,high);//(3) int sum = Math.max(leftSum,rightSum); sum = Math.max(sum,midSum); sum = Math.max(sum,0); return sum; } }
上面标的(1)( 2)( 3)对应上面分析的(1)(2)(3)
上面代码中最后的结果和0求了最大值,lintcode测试用例可以不买不卖的情况,由于买了一定会亏,就不买了的情况,题目要求最大一次交易,就是可以不交易的了。
算法导论上的伪代码
时间复杂度分析:
递归情况:
这个等式很显然的
当n=1的时候就是O(1)
所以:
时间复杂度是:
具体时间复杂度求解参考《算法导论》
对于求解最大子数组,当然也可以运用动态规划求解
全部程序
public class Solution { /** * @param prices: Given an integer array * @return: Maximum profit */ public int maxProfit(int[] prices) { // write your code here if(prices == null || prices.length == 0) return 0; int[] A = new int[prices.length - 1]; for(int i = 1;i<prices.length ;i++) A[i-1] = prices[i] - prices[i-1]; int maxSubarray = findMaxSubarray(A,0,A.length - 1); return maxSubarray; } public int findMaxSubarray(int[] A,int low,int high){ if(low == high) return Math.max(A[low],0); else{ int mid = low + (high - low)/2;// 防止越界 int leftSum = findMaxSubarray(A,low,mid);//(1) int rightSum = findMaxSubarray(A,mid+1,high);//(2) int midSum = findMaxCrossingSubarray(A,low,mid,high);//(3) int sum = Math.max(leftSum,rightSum); sum = Math.max(sum,midSum); sum = Math.max(sum,0); return sum; } } public int findMaxCrossingSubarray(int[] A,int low,int mid,int high){ if(low > mid || mid>high) return Integer.MIN_VALUE; int leftSum = Integer.MIN_VALUE; int rightSum = Integer.MIN_VALUE; int sum = 0; int maxleft = -1; int maxright = -1; for(int i = mid;i>=low;i--){ sum+=A[i]; if( sum >= leftSum){// 向左只要和增加就更新 leftSum = sum; maxleft = i; } } sum = 0; for(int j = mid+1;j<=high;j++){ sum+=A[j]; if(sum>=rightSum){ rightSum = sum; maxright = j; } } return leftSum + rightSum; } }