剑指offer(C++)-JZ63:买卖股票的最好时机(一)(算法-动态规划)

简介: 剑指offer(C++)-JZ63:买卖股票的最好时机(一)(算法-动态规划)

题目描述:

假设你有一个数组prices,长度为n,其中prices[i]是股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益


1.你可以买入一次股票和卖出一次股票,并非每天都可以买入或卖出一次,总共只能买入和卖出一次,且买入必须在卖出的前面的某一天


2.如果不能获取到任何利润,请返回0


3.假设买入卖出均无手续费


数据范围:0≤n≤10^5,0≤val≤10^4


要求:空间复杂度 O(1),时间复杂度 O(n)

示例:

输入:

[8,9,2,5,4,7,1]


返回值:

5


说明:

在第3天(股票价格 = 2)的时候买入,在第6天(股票价格 = 7)的时候卖出,最大利润 = 7-2 = 5 ,不能选择在第2天买入,第3天卖出,这样就亏损7了;同时,你也不能在买入前卖出股票。

解题思路:

本题是动态规划的经典题目。解题思路如下:


1.定义一个多行两列的数组。第一列存储,截止到第i天时股票不持股能达到的最大收益;第二列存储,截止到第i天时股票持股能保持的最大收益。


2.第一天无法卖出,因为没有持股,所以dp[0][0]自然是0,若第一天买入,则收益就是负当天的股价。


3.从第二天开始到最后一天,循环刷新截止到某一天时最大的收益情况。


4.第i天不持股的最大收益由两个情况决定:一是第i-1天不持股的最大收益,如果该值较大,说明在前面已经完成了较优的交易;二是第i-1天持股的最大收益,在第i天卖出了,进入不持股状态,此时如果卖出的金额比之前买入的金额大,那么该值为正,如果该值较小,说明虽然完成了低买高卖的操作,但是收益并不如之前的某个操作。


5.第i天持股的最大收益由两个情况决定:一是第i-1天持股的最大收益,如果该值较大,说明前面已经拿到了较便宜的筹码;二是第i天股价的负值,说明在当天进行了买入。


6.题目的结果就是数组中最后一行第一列的数值,也就是最后一天不持股能达到的最大收益。

测试代码:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int size = prices.size();
        // dp为多行两列的数组
        // 第一列表示股票不持股能达到的最大收益
        // 第二列表示股票持股能保持的最大收益
        vector<vector<int>> dp(size, vector<int>(2, 0));
        // 第一天无法卖出,因为没有持股
        dp[0][0] = 0;
        // 第一天买入股票,进入持股状态,收益为减去当天股价
        dp[0][1] = -prices[0];
        // 动态规划刷新第二天至最后一天的结果
        for(int i = 1; i < size; ++i){
            // 第i天不持股的最大收益由两个情况决定:
            // 一是第i-1天不持股的最大收益,如果该值较大,说明已经完成了较优的交易
            // 二是第i-1天持股的最大收益,在第i天卖出了,进入不持股状态,
            // 此时如果卖出的金额比之前买入的金额大,那么该值为正,后续
            // 除非有更大的买卖差值,否则该值不会刷新
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
            // 第i天持股的最大收益由两个情况决定:
            // 一是第i-1天持股的最大收益,如果该值较大,说明前面已经拿到了较便宜的筹码
            // 二是第i天股价的负值,说明在当天进行了买入
            dp[i][1] = max(dp[i - 1][1], -prices[i]);
        }
        // 最后一天不持股能达到的最大收益就是最优结果
        return dp[size - 1][0];
    }
};


相关文章
|
3天前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
1天前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。
|
8天前
|
算法 安全 C++
用 C++ 算法控制员工上网的软件,关键逻辑是啥?来深度解读下
在企业信息化管理中,控制员工上网的软件成为保障网络秩序与提升办公效率的关键工具。该软件基于C++语言,融合红黑树、令牌桶和滑动窗口等算法,实现网址精准过滤、流量均衡分配及异常连接监测。通过高效的数据结构与算法设计,确保企业网络资源优化配置与安全防护升级,同时尊重员工权益,助力企业数字化发展。
32 4
|
2月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
64 2
|
3月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
115 2
动态规划算法学习三:0-1背包问题
|
3月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
84 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
3月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
194 0
动态规划算法学习二:最长公共子序列
|
3月前
|
存储 算法 C++
高精度算法(加、减、乘、除,使用c++实现)
高精度算法(加、减、乘、除,使用c++实现)
759 0
高精度算法(加、减、乘、除,使用c++实现)
|
3月前
|
算法 数据处理 C++
c++ STL划分算法;partition()、partition_copy()、stable_partition()、partition_point()详解
这些算法是C++ STL中处理和组织数据的强大工具,能够高效地实现复杂的数据处理逻辑。理解它们的差异和应用场景,将有助于编写更加高效和清晰的C++代码。
54 0
|
3月前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
192 0