力扣第121题 买卖股票的最佳时机 c++ 动态规划解法 熟练dp思维 之简单题 附Java代码

题目

(在我以前有贪心解法,也可以去参考参考)

贪心解法 股票问题icon-default.png?t=N7T8https://blog.csdn.net/jgk666666/article/details/133978629

121. 买卖股票的最佳时机

简单

相关标签

数组   动态规划

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

思路和解题方法

  1. 首先判断给定的股票价格数组的长度是否为0,如果为0,则直接返回0。
  2. 然后,代码使用循环从第二天开始遍历股票价格数组。对于第i天,有两种状态:要么持有股票,要么不持有股票。
  3. 如果选择持有股票,那么前一天就不能持有股票,因此dp[i][0]的值就是dp[i-1][0]0-prices[i]中的较大值,表示第i天持有股票时的最大利润。
  4. 如果选择不持有股票,那么前一天可以是持有股票或者不持有股票,取其中的较大值加上当前股票价格,即prices[i]+dp[i-1][0],表示第i天不持有股票时的最大利润。
  5. 最后,返回dp[len-1][1],表示最后一天不持有股票时的最大利润,即最终的最大利润。

复杂度

        时间复杂度:

                O(n)

         时间复杂度为O(n),其中n是prices数组的长度。因为我们需要遍历整个prices数组,每次计算dp[i][0]dp[i][1]都只需要常数时间操作。所以总体时间复杂度为O(n)。

        空间复杂度

                O(n)

        空间复杂度为O(n),其中n是prices数组的长度。因为使用了一个二维数组dp,大小为(len, 2),其中lenprices数组的长度。所以空间复杂度为O(n)。

c++ 代码

class Solution {
public:
    int maxProfit(vector& prices) {
        int len = prices.size();
        if(len == 0) return 0;
        vector> dp(len,vector(2));
        dp[0][0] -= prices[0]; // 初始化第一天持有股票的收益为买入股票的价格
        dp[0][1] =0; // 初始化第一天不持有股票的收益为0
        for(int i = 1;i

Java代码

  • 首先进行特判,如果输入数组prices为空,则直接返回0。
  • 然后创建一个二维数组dp,大小为(length, 2),其中length是输入数组prices的长度。dp[i][0]表示第i天持有股票时的最大收益,dp[i][1]表示第i天不持有股票时的最大收益。
  • 初始化dp[0][0]为买入第一天股票的价格,即-prices[0],而dp[0][1]初始化为0,表示第一天不持有股票的收益为0。
  • 使用循环遍历prices数组,从第二天开始。对于每一天,计算在该天持有或不持有股票的最大收益:
    • 对于持有股票的情况,可以选择继续持有之前的股票或者买入新的股票,取两者中较大的一个作为dp[i][0]的值。
    • 对于不持有股票的情况,可以选择继续不持有或者卖出当前持有的股票,取两者中较大的一个加上当前股票价格作为dp[i][1]的值。
  • 最后返回最后一天不持有股票时的收益,即dp[length-1][1],表示整个交易过程的最大利润。
class Solution {
    public int maxProfit(int[] prices) {
        if (prices == null || prices.length == 0) return 0; // 特判,如果输入数组为空,则直接返回0
        int length = prices.length;
        // dp[i][0]代表第i天持有股票的最大收益
        // dp[i][1]代表第i天不持有股票的最大收益
        int[][] dp = new int[length][2]; // 创建一个二维数组dp,大小为(length, 2)
        int result = 0; // 初始化结果为0
        dp[0][0] = -prices[0]; // 初始化第一天持有股票的收益为买入股票的价格
        dp[0][1] = 0; // 初始化第一天不持有股票的收益为0
        for (int i = 1; i < length; i++) { // 从第二天开始循环
            dp[i][0] = Math.max(dp[i - 1][0], -prices[i]); // 当前持有股票的最大收益,可以选择继续持有之前的股票或者买入新的股票
            dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]); // 当前不持有股票的最大收益,可以选择继续不持有或者卖出当前持有的股票
        }
        return dp[length - 1][1]; // 返回最后一天不持有股票的收益,即最大利润
    }
}

觉得有用的话可以点点赞,支持一下。

如果愿意的话关注一下。会对你有更多的帮助。

每天都会不定时更新哦  >人<  。

你可能感兴趣的:(leetcode,动态规划,数据结构,算法,leetcode,c++,java,动态规划)