121. 买卖股票的最佳时机
121. 买卖股票的最佳时机
题目
You are given an array prices
where prices[i]
is the price of a given stock on the ith
day.
You want to maximize your profit by choosing a single day to buy one stock and choosing a different day in the future to sell that stock.
Return the maximum profit you can achieve from this transaction. If you cannot achieve any profit, return 0
.
Example 1:
Input: prices = [7,1,5,3,6,4]
Output: 5
Explanation: Buy on day 2 (price = 1) and sell on day 5 (price = 6), profit = 6-1 = 5.
Note that buying on day 2 and selling on day 1 is not allowed because you must buy before you sell.
Example 2:
Input: prices = [7,6,4,3,1]
Output: 0
Explanation: In this case, no transactions are done and the max profit = 0.
Constraints:
1 <= prices.length <= 10^5
0 <= prices[i] <= 10^4
题目大意
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。
解题思路
思路一:动态规划
**动态规划:**定义一个二维数组
dp
,其中dp[i][0]
表示第i
天不持有股票时的最大利润,dp[i][1]
表示第i
天持有股票时的最大利润。状态转移方程:
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
,表示在第i
天,不持有股票的最大利润等于前一天不持有股票的最大利润,或者前一天持有股票的最大利润加上今天卖出的利润的最大值。dp[i][1] = max(dp[i-1][1], -prices[i])
,表示在第i
天,持有股票的最大利润等于前一天持有股票的最大利润,或者前一天不持有股票的最大利润减去今天买入的利润的最大值。由于题目规定只能买入一次,所以前一天不持有股票的最大利润为 0。
**边界条件:**第一天(
i == 0
)时,dp[0][0] = 0
,dp[0][1] = -prices[0]
。**初始化:**初始化利润为 0。
**返回最大利润:**最后返回
dp[n - 1][0]
,即最后一天不持有股票的最大利润,因为若最后一天还持有股票没有卖出,收益肯定小于做了一次交易的情况。
复杂度分析
- 时间复杂度:
O(n)
,其中n
是股票价格数组的长度,遍历了整个数组。 - 空间复杂度:
O(n)
,使用了一个2 * n
的二维数组来存储中间状态。
思路二:动态规划-状态压缩
根据上面的代码可以发现,dp[i][...]
只与 dp[i - 1][0]
、dp[i - 1][1]
有关。
因此不需要使用整个 dp
数组,只需用两个变量储存这两个状态就足够了,这样可以把空间复杂度降到 O(1)
:
min_price
记录当前位置之前的最低股价max_profit
记录最大利润。
遍历数组: 从头到尾遍历股票价格数组。
维护最低价格: 在遍历的过程中,维护一个变量,记录当前位置之前的最低股价。
更新最大利润: 对于每一天,计算当前股价与最低价格的差值,如果大于之前的最大利润,更新最大利润。
返回最大利润: 遍历完成后,返回最大利润。
复杂度分析
- 时间复杂度:
O(n)
,其中n
是股票价格数组的长度,遍历了整个数组。 - 空间复杂度:
O(1)
,使用了常数个变量来存储中间状态。
代码
/**
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function (prices) {
const n = prices.length;
const dp = new Array(n).fill(0).map(() => new Array(2).fill(0));
for (let i = 0; i < n; i++) {
if (i == 0) {
dp[0][0] = 0;
dp[0][1] = -prices[0];
continue;
}
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1], -prices[i]);
}
return dp[n - 1][0];
};
/**
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function (prices) {
let min_price = prices[0];
let max_profit = 0;
for (let price of prices) {
min_price = Math.min(min_price, price);
max_profit = Math.max(max_profit, price - min_price);
}
return max_profit;
};
相关题目
题号 | 标题 | 题解 | 标签 | 难度 |
---|---|---|---|---|
53 | 最大子数组和 | [✓] | 数组 分治 动态规划 | |
122 | 买卖股票的最佳时机 II | [✓] | 贪心 数组 动态规划 | |
123 | 买卖股票的最佳时机 III | [✓] | 数组 动态规划 | |
188 | 买卖股票的最佳时机 IV | [✓] | 数组 动态规划 | |
309 | 买卖股票的最佳时机含冷冻期 | [✓] | 数组 动态规划 | |
2012 | 数组美丽值求和 | 数组 | ||
2016 | 增量元素之间的最大差值 | 数组 | ||
2291 | 最大股票收益 🔒 | 数组 动态规划 |