Category | Difficulty | Likes | Dislikes |
---|---|---|---|
algorithms | Easy (55.00%) | 1235 | - |
TagsCompanies
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一次),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;同时,你不能在买入前卖出股票。
解法一 暴力破解
先写个暴力的,看看对题目的理解对不对。用两个循环,外层循环表示买入时候的价格,内层循环表示卖出时候的价格,遍历所有的情况,期间更新最大的收益。
1 int maxProfit(vector<int>& prices) { 2 int maxProfit = 0; 3 for (int i = 0; i < prices.size(); i++) { 4 for (int j = i + 1; j) { 5 maxProfit = max(maxProfit, prices[j] - prices[i]); 6 } 7 } 8 return maxProfit; 9 }
200个case过了199个,还有个超时,说明暴力的算法没问题,需要效率优化。
解法二 双指针法
这种数组问题的优化,经常就是考虑双指针的方法,从而使得两层循环变成一层。用两个指针, buy 表示第几天买入,sell 表示第几天卖出,开始 buy,sell都指向 0,表示不操作。然后sell往后移,
若prices[sell] < prices[buy],则将buy指向sell当前位置(buy = sell),否则计算当前股票买卖收益,并和之前计算的收益比较,取最大的值。
1 //双指针法求股票买卖最佳时机问题 2 3 int maxProfit_doublePtr(vector<int>& prices) 4 { 5 int buy=0,sell=0; 6 int maxProfit = 0; 7 for(;sellsell) 8 { 9 if(prices[sell]<prices[buy]) 10 { 11 buy = sell; 12 } 13 else 14 { 15 maxProfit = max(maxProfit,prices[sell]-prices[buy]); 16 } 17 } 18 return maxProfit; 19 }
解法三 动态规划
将求股票买卖最大收益问题转化为求数组的最子序列最大和。然后使用动态规划求数组的最子序列最大和。
1 //将股票买卖时机问题转化为 数组的最子序列最大和问题 2 int maxProfit_dp(vector<int>& prices) 3 { 4 if(prices.empty()) 5 { 6 return 0; 7 } 8 int front = prices[0]; 9 prices[0] = 0; 10 for(int i = 1;ii) 11 { 12 int tmp = prices[i]; 13 prices[i] = prices[i] - front; 14 front = tmp; 15 } 16 17 return maxSubArrySum(prices); 18 } 19 //数组的子序列最大和 20 int maxSubArrySum(vector<int>& prices) 21 { 22 vector<int> dp (prices); //dp[i] 表示以prices[i]结尾的和最的子序列 23 int res = dp[0]; 24 for(int i = 1;i i) 25 { 26 dp[i] = dp[i-1]<0?prices[i]:dp[i-1]+prices[i]; 27 res = max(res,dp[i]); 28 } 29 return res; 30 }
总结:这道题虽然是比较简单的,但是双指针的用法还是经常见的,值得好好总结。另外解法三对问题的转换很巧妙。