买卖股票的最佳时机

问题分析

给定一个数组，数组中的每个元素表示某只股票在该天的价格。我们需要找出一笔最优的交易，即买入和卖出股票一次，计算能获得的最大利润。注意，只能完成一笔交易，且卖出价格必须大于买入价格。如果没有这样的交易，利润为0。

方法一：暴力方法

暴力方法通过两重循环遍历所有可能的买入和卖出组合，计算每一笔交易的利润，找出最大值。这种方法的时间复杂度为O(n²)，适用于小规模数据，但对于大数组效率较低。

public int maxProfit(int[] prices) {    int len = prices.length;    if (len == 0) return 0;    int max = Integer.MIN_VALUE;    for (int i = 0; i < len; i++) {        for (int j = i; j < len; j++) {            if (max < prices[j] - prices[i]) {                max = prices[j] - prices[i];            }        }    }    return max;}

方法二：记录最小值

通过一次遍历记录最小价格，然后在遍历过程中计算当前价格与最小价格的差值，找出最大利润。这种方法的时间复杂度为O(n)，空间复杂度为O(1)，效率较高。

public int maxProfit(int[] prices) {    if (prices == null || prices.length == 0) return 0;    int minPrice = Integer.MAX_VALUE;    int maxProfit = 0;    for (int i = 0; i < prices.length; i++) {        if (prices[i] < minPrice) {            minPrice = prices[i];        }        int currentProfit = prices[i] - minPrice;        if (currentProfit > maxProfit) {            maxProfit = currentProfit;        }    }    return maxProfit;}

方法三：动态规划

使用动态规划来解决问题。我们定义两个状态：dp[i][0]表示到第i天结束时不持有股票的现金金额；dp[i][1]表示到第i天结束时持有股票的现金金额。通过状态转移，计算最终的最大利润。

public int maxProfit(int[] prices) {    if (prices == null || prices.length == 0) return 0;    int len = prices.length;    if (len < 2) return 0;    int[][] dp = new int[len][2];    dp[0][0] = 0;    dp[0][1] = -prices[0];    for (int i = 1; i < len; i++) {        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[len - 1][0];}

方法四：优化空间复杂度

通过压缩动态规划的空间复杂度，只需维护两个变量，分别表示前一天的不持有和持有股票的情况。

public int maxProfit(int[] prices) {    if (prices == null || prices.length == 0) return 0;    int len = prices.length;    if (len < 2) return 0;    int hold = -prices[0];    int cash = 0;    for (int i = 1; i < len; i++) {        int newHold = Math.max(hold, hold + prices[i]);        int newCash = Math.max(cash, -prices[i]);        hold = newHold;        cash = newCash;    }    return cash;}

总结

通过上述方法，我们可以高效地解决买卖股票的最佳时机问题。记录最小值和动态规划方法均以O(n)时间复杂度和O(1)空间复杂度，适用于大规模数据处理。

转载地址：http://cjvp.baihongyu.com/

你可能感兴趣的文章