Leetcode 121. 买卖股票的最佳时机

心路历程:

这道题可以暴力求解,但是O ( n 2 ) (n^2) (n2)的时间复杂度会超时;也可以用贪心法去做,可以用O ( n ) (n) (n)的时间复杂度去解决。

不过这道题是一个经典的动态规划方法,动态规划方法的重点在于建模,递归函数的参数就是DP的状态,递推函数就是 s i − 1 → s i s_{i-1} \rightarrow s_i si−1→si的可能状态转移过程。

这道题的状态应该定义为:第 i i i天以及第 i i i天是否持有资金,这个很难想到;

动作的定义分为三类,分别是买入、卖出、什么也不做;

返回值定义为第 i i i天的收益。如果第k天买入(k < i),并且第 i i i天还没有卖出去,那么收益就是-prices[i]。

注意的点:

1、贪婪解法需要在每一步维护前i个元素的最小值

2、DP方法的初始化需要区分第0天是不是持有资金

解法一:动态规划

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        @cache
        def dp(i, j): # 第i天,持有j \in {0, 1}股票,最大利润
            if i == 0 and j == 0:
                return 0
            if i == 0 and j == 1:  # 这个初始状态的定义比较不好想
                return -prices[0]
            # 注意只能买卖一次
            if j == 0:
                return max(dp(i-1, 0), dp(i-1, 1) + prices[i])
            else:
                return max(dp(i-1, 1),  - prices[i])
        return dp(len(prices) - 1, 0)

解法二:贪心法

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        low, res = float('inf'), 0
        for i in range(len(prices)):
            low = min(low, prices[i])
            res = max(res, prices[i] - low)
        return res
相关推荐
Gyoku Mint2 小时前
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
人工智能·pytorch·python·深度学习·神经网络·算法·聚类
葫三生3 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
拓端研究室5 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安7 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法
IT古董8 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
Alfred king10 小时前
面试150 生命游戏
leetcode·游戏·面试·数组
水木兰亭11 小时前
数据结构之——树及树的存储
数据结构·c++·学习·算法
Jess0712 小时前
插入排序的简单介绍
数据结构·算法·排序算法
老一岁12 小时前
选择排序算法详解
数据结构·算法·排序算法
xindafu12 小时前
代码随想录算法训练营第四十二天|动态规划part9
算法·动态规划