本专栏专注于分析与讲解【面试经典150】算法,两到三天更新一篇文章,欢迎催更……
专栏内容以分析题目为主,并附带一些对于本题涉及到的数据结构等内容进行回顾与总结,文章结构大致如下,部分内容会有增删:
- Tag:介绍本题牵涉到的知识点、数据结构;
- 题目来源:贴上题目的链接,方便大家查找题目并完成练习;
- 题目解读:复述题目(确保自己真的理解题目意思),并强调一些题目重点信息;
- 解题思路:介绍一些解题思路,每种解题思路包括思路讲解、实现代码以及复杂度分析;
- 知识回忆:针对今天介绍的题目中的重点内容、数据结构进行回顾总结。
【贪心】【动态规划】【数组】【2023-10-02】
给你一个表示股票价格的数组,你可以在任意的一天购买,在其后的任意一天出售(购买当天出售也可以),但是你的手里最多只能有一只股票(你在第 i
先卖出手里的股票,再买入今日价格的股票也是可以的 ) ,返回你能获得的最大利润。
本题的关键在于可以买卖多次,那么只要第 i
天的价格比第 i-1
天的价格高,我们就在第 i-1
天买入股票,在第 i
天卖出股票,这样就可以获得最大利润。
实现代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int ans = 0;
int n = prices.size();
for (int i = 1; i < n; ++i)
ans += max(0, prices[i] - prices[i - 1]);
return ans;
}
};
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n),
n
n
n 为数组 prices
的大小。
空间复杂度: O ( 1 ) O(1) O(1)。
因为我们的手中最多有一张股票,我们每天可以选择买入或者卖出,所以每天交易结束后,我们手中要么还有一支股票,要么没有股票。
状态
dp[i][0]
表示第 i
天交易介绍后手中没有股票可以获得的最大利润,dp[i][1]
表示第 i
天交易介绍后手中有一支股票可以获得的最大利润。
转移关系
考虑 dp[i][0]
的转移方程,第 i
天交易介绍后手中没有股票,可能前一天即 i-1
天已经没有股票了,对应的状态为 dp[i-1][0]
;也有可能是第 i-1
天手里有一支股票,第 i
天卖掉了,对应的状态为 prices[i] + dp[i-1][1])
。于是有转移关系:
d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , p r i c e s [ i ] + d p [ i − 1 ] [ 1 ] ) dp[i][0] = max(dp[i-1][0], prices[i] + dp[i-1][1]) dp[i][0]=max(dp[i−1][0],prices[i]+dp[i−1][1])
考虑 dp[i][1]
的转移方程,第 i
天交易介绍后手中有一支股票,可能前一天即 i-1
天手中就有一支股票,对应的状态为 dp[i-1][1]
;也有可能是第 i-1
天手里没有股票,第 i
天买入了一支股票,对应的状态为 dp[i-1][0] - prices[i])
。于是有转移关系:
d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 0 ] − p r i c e s [ i ] ) dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]) dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i])
base case
初始状态,即第 0
天交易结束后有 dp[0][0] = 0
,dp[0][1] = -prices[0]
。
返回答案
返回答案为 dp[n-1][0]
,最后返回 max(dp[n-1][0], dp[n-1][1])
,因为最后手中没有股票一定比手中有股票收益高,所以直接返回 dp[n-1][0]
。
实现代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
dp[0][1] = -prices[0];
for (int i = 1; i < n; ++i) {
dp[i][0] = max(dp[i-1][0], prices[i] + dp[i-1][1]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]);
}
return dp[n-1][0];
}
};
空间优化
因为每天交易结束后不管手中还有没有股票,最大收益都和前一天结束后手中有没有股票的状态有关,因此可以使用两个变量来维护买股票(一天交易结束后手中还有股票)和卖股票(一天交易结束后手中没有股票)后手中剩余的最大钱数,也就是交易后的最大收益:
buy
:一天交易结束后手中还有股票的最大收益,初始化为 -prices[0]
;sell
:一天交易结束后手中没有股票的最大收益,,初始化为 0
。最后返回的是经过 n
天交易后手中剩余的最大钱数,即返回 sell
。
实现代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int buy = -prices[0];
int sell = 0;
for (int p : prices) {
// 使用上次卖出股票后手中的最大钱数来买新的股票
buy = max(buy, sell - p);
// 使用上次买入股票后手中的最大钱数 更新卖出股票后手中的钱
sell = max(sell, buy + p);
}
return sell;
}
};
复杂度分析
时间复杂度: O ( n ) O(n) O(n)。
空间复杂度: O ( n ) O(n) O(n),因为需要开辟 O ( n ) O(n) O(n) 的空间存储每一天交易结束后的状态。 优化后的空间复杂度为 O ( 1 ) O(1) O(1)。
买卖股票系列题目
题目 | 解答 |
---|---|
121. 买卖股票的最佳时机 | 【面试经典150】买卖股票的最佳时机 |
123. 买卖股票的最佳时机 III | 【每日一题】买卖股票的最佳时机 III |
188. 买卖股票的最佳时机 IV | 【每日一题】买卖股票的最佳时机 IV |
309. 买卖股票的最佳时机含冷冻期 | 【每日一题】买卖股票的最佳时机含冷冻期 |
714. 买卖股票的最佳时机含手续费 | 【每日一题】买卖股票的最佳时机含手续费 |
如果文章内容有任何错误或者您对文章有任何疑问,欢迎私信博主或者在评论区指出 💬💬💬。
如果大家有更优的时间、空间复杂度方法,欢迎评论区交流。
最后,感谢您的阅读,如果感到有所收获的话可以给博主点一个 👍 哦。