121. 买卖股票的最佳时机
题目链接:
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
解题思路
贪心
因为股票就买卖一次,那么贪心的想法很自然就是取最左最小值,取最右最大值,那么得到的差值就是最大利润。
C++
// 贪心算法 class Solution { public: int maxProfit(vector<int>& prices) { int low = INT_MAX; int result = INT_MIN; for (int i = 0; i < prices.size(); i++) { low = min(low, prices[i]); result = max(result, prices[i] - low); } return result; } };
JavaScript
/** * @param {number[]} prices * @return {number} */ var maxProfit = function(prices) { let result = Number.MIN_VALUE; let low = Number.MAX_VALUE; for (let i of prices) { low = Math.min(low, i); result = Math.max(result, i - low); } return result; };
-
时间复杂度:O(n)
-
空间复杂度:O(1)
动态规划
动态规划五部曲,详细在代码注释中。
C++
// 动态规划 class Solution1 { public: int maxProfit(vector<int>& prices) { // 1. dp[i][0]表示第i天持有(持有并不代表在当天买入,也可能是之前买入的)股票的最大金额 // dp[i][1]表示第i天不持有(不持有表示在第i天之前(包括第i天)已经卖出,或者从未买入)股票的最大金额 vector<vector<int>> dp(prices.size(), vector<int>(2)); // 3. dp数组的初始化:对于第一天的股票,要么买,要不买,不存在卖。 // 所以dp[0][0] = -prices[0](持有),dp[0][1] = 0(不持有) dp[0][0] = -prices[0]; dp[0][1] = 0; // 4. 遍历顺序:从前向后 for (int i = 1; i < prices.size(); i++) { // 2. 递推公式: // dp[i][0]表示第i天持有股票的最大金额。第i天能够持有股票的情况有2种:第i-1天就持有股票(保持现状),或者第i天买入股票。 // 即在这两种情况中取最大值。(说明:买入股票得花钱,所以金额为负) dp[i][0] = max(dp[i - 1][0], -prices[i]); // dp[i][1]表示第i天不持有股票的最大金额。第i天不持有股票的情况有2种:第i-1天就不持有股票(保持现状),或者第i天卖出股票。 // 第i天卖出股票,所得到的金额就是以第i天股票价格卖出后得到的现金。 dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]); } return dp[prices.size() - 1][1]; } };
JavaScript
/** * @param {number[]} prices * @return {number} */ var maxProfit = function(prices) { const dp = Array(prices.length).fill().map(item => Array(2).fill()); dp[0][0] = -prices[0]; dp[0][1] = 0; for (let i = 1; i < prices.length; 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[prices.length - 1][1]; };
-
时间复杂度:O(n)
-