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。
示例 2:
输入: [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。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
题解
方法一:暴力递归
1
2
3
4
5
6
7
8
9
10
11
12
13
|
// 暴力两层循环
private int max1(int[] prices, int end){
int max = 0;
for (int i = 1; i <= end; i++) {
for (int j = 0; j < i; j++) {
if (prices[i] <= prices[j]) continue;
max = Math.max(max,prices[i] - prices[j]);
}
}
return max;
}
|
时间复杂度: O(N ^ 2)
空间复杂度: O(1)
方法二:动态规划1 数组记忆
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
private int max2(int[] prices, int end){
int[] dp = new int[end + 1];
dp[0] = 0;
dp[1] = prices[1] - prices[0];
int max = dp[1];
for (int i = 2; i <= end; i++) {
int tmp = prices[i] - prices[i - 1];
dp[i] = Math.max(dp[i - 1] + tmp,tmp);
max = Math.max(dp[i],max);
System.out.println(max);
}
return max < 0 ? 0 : max;
}
|
时间复杂度: O(N)
空间复杂度: O(N)
此方法中,我们使用了dp数组记录每一个以i结尾的子数组的最大差值。时间复杂度为O(N)。 但是我们没有用到dp数组除最后一个值之外的其他值,所以我们再次优化空间复杂度。
方法三: 动态规划 记录变量
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
public int maxProfit(int[] prices) {
if (prices.length <= 1) return 0;
int[] dp = new int[prices.length];
dp[0] = 0;
int max = 0;
int min = prices[0];
for (int i = 1; i < prices.length; i++) {
if (min > prices[i]){
dp[i] = 0;
min = prices[i];
continue;
}
max = Math.max(max, prices[i] - min);
}
return max;
}
|
时间复杂度: O(N)
空间复杂度: O(1)