日拱一卒,月进一步(7)

简介: 121. 买卖股票的最佳时机 - 力扣(LeetCode)

121. 买卖股票的最佳时机 - 力扣(LeetCode)

为了使买股票利润最大化,应该在下标[0,i-1]选择最小值作为price[j]。遍历所有可能卖出股票的日期,即可得到最大利润。计算最大利润的具体做法是:将最大利润初始化为0,从左到右遍历数组,遍历过程中维护下标范围的最小值,当遍历到下标i,执行如下操作:


(1)使用prices[i]-prevMin更新最大利润


(2)将prevMin的值更新为prices[i]。

遍历结束后即可获得最大值。

// 定义一个变量maximumProfit来存储最大利润,初始化为0


// 定义一个变量prevMin来存储到当前位置为止的最低价格,初始化为prices数组的第一个元素

int maxProfit(int* prices, int pricesSize) 
{
    int maximumProfit=0,prevMin=prices[0];
    for(int i=1;i<pricesSize;i++)
    {
        maximumProfit=fmax(maximumProfit,prices[i]-prevMin);
        prevMin=fmin(prevMin,prices[i]);
    }
    return maximumProfit;
}
相关文章
|
5月前
|
人工智能 自然语言处理 算法
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
【2月更文挑战第24天】当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
52 2
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
|
12天前
|
机器学习/深度学习 自然语言处理 算法
【深藏功与名】揭秘大模型背后的真相:为何它们常让人欢喜让人忧,又该如何破局?
【10月更文挑战第5天】近年来,随着计算资源和算法的提升,大规模深度学习模型在自然语言处理和计算机视觉领域取得了显著成就,但也引发了“大模型幻觉”的讨论。该现象指模型虽在特定任务上表现出色,但在实际应用中存在过度拟合和泛化能力差等问题。本文分析了大模型的底层逻辑,并通过PyTorch代码示例展示了如何使用L2正则化缓解过度拟合。此外,还介绍了通过数据增强提高模型泛化能力的方法。未来研究需进一步平衡模型复杂度与泛化能力,以实现更佳性能。
27 0
|
5月前
日拱一卒,月进一步(15)
598. 区间加法 II - 力扣(LeetCode) 首先明白题目的含义:mn表示的是一个矩阵,初始化为0。再依次在满足条件的矩形内+1,最后找出最大数字的个数。我们只需要找到最小的长和宽即可。
45 1
|
5月前
日拱一卒,月进一步(2)
那么,很快就来到了第二题的学习。哈哈~ 26. 删除有序数组中的重复项 - 力扣(LeetCode)
37 1
|
5月前
日拱一卒,月进一步(12)
485. 最大连续 1 的个数 - 力扣(LeetCode)
39 1
|
5月前
日拱一卒,月进一步(4)
66. 加一 - 力扣(LeetCode) 思路: 数字加法应该从前向后遍历,因此我们应该从数字末尾从后向前遍历。如果数字不为9,则直接在末尾+1。如果末尾为9,那么将其变为0,并且在下一位+1。如果一直遍历都为1,那么在数组第0位插入1。
34 1
|
5月前
|
索引
日拱一卒,月进一步(11)
414. 第三大的数 - 力扣(LeetCode)
41 1
|
5月前
日拱一卒,月进一步(3)
27. 移除元素 - 力扣(LeetCode) 令人惊讶的是,这一题竟然答题答过,但我没有丝毫印象,啊,该死啊。
44 1
|
5月前
日拱一卒,月进一步(9)
268. 丢失的数字 - 力扣(LeetCode)
35 1
|
5月前
日拱一卒,月进一步(13)
500. 键盘行 - 力扣(LeetCode) 好难啊!!!
35 1