本文最后更新于 366 天前,其中的信息可能已经有所发展或是发生改变。
题目描述:
给你一个整数数组 prices
,其中 prices[i]
表示某支股票第 i
天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
输入:prices = [7,1,5,3,6,4]
输出:7
解释:在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
总利润为 4 + 3 = 7 。
示例 2:
输入:prices = [1,2,3,4,5]
输出:4
解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。
示例 3:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
提示:
1 <= prices.length <= 3 * 10^4
0 <= prices[i] <= 10^4
解法一:贪心
算法思路:
从第二天后的每一天:
- 只要股价高于前一天,则在前一天买入,当天卖出。
- 股价低于前一天,则不买入也不卖出。
这样,对于每一天来说都是最优解,最后获得的利润是最大的。
代码实现:
class Solution {
public int maxProfit(int[] prices) {
int ans = 0;
for(int i = 1; i < prices.length; i++){
if(prices[i] > prices[i-1])
ans += prices[i] - prices[i-1];
}
return ans;
}
}
复杂度分析:
时间复杂度: O(n),其中 n 为数组 prices 的长度。
空间复杂度: O(1)。
解法二:动态规划
算法思路:
使用数组 dp[i][j]
表示第 i
天交易完成后的最大利润,其中 j
表示当前是否持有股票,定义 j=0
表示当前不持有股票,j=1
表示当前持有股票,初始状态为 dp[0][1] = -prices[0]
,其他状态都为 0
。
如果当前持有股票,有两种可能:
- 前一天持有股票,今天什么都不做,即
dp[i][1] = dp[i-1][1]
。 - 前一天不持有股票,今天买入股票,即
dp[i][1] = dp[i-1][0] - prices[i]
。
如果当前不持有股票,也有两种可能:
- 前一天不持有股票,今天什么都不做,即
dp[i][0] = dp[i-1][0]
。 - 前一天持有股票,今天卖出股票,即
dp[i][0] = dp[i-1][1] + prices[i]
。
取二者较大值即可,得到状态转移方程: $$ dp[i][0] = max(dp[i-1][0],dp[i-1][1]+prices[i]) $$
$$ dp[i][1] = max(dp[i-1][1],dp[i-1][0]-prices[i]) $$
答案为最后一天不持有股票时的利润,即 dp[n-1][0]
。
代码实现:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][1] = -prices[0];
for(int i = 1; i < n; i++){
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1]+prices[i]);
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0]-prices[i]);
}
return dp[n-1][1];
}
}
由于第 i
天的状态只和第 i-1
天有关,因此可以只使用两个变量来维护第 i-1
天的状态,优化空间复杂度:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int dp0 = 0, dp1 = -prices[0];
for(int price : prices){
int temp = Math.max(dp0, dp1 + price);
dp1 = Math.max(dp1, dp0 - price);
dp0 = temp;
}
return dp0;
}
}
复杂度分析:
时间复杂度: O(n),其中 n 为数组 prices 的长度。
空间复杂度: O(1)。