只赢不亏的买股票的方法

前言

大家好，我是「程序员小熊」。今天给大家带来一道与「贪心算法」相关的题目，这道题同时也是字节、苹果和亚马逊等互联网大厂的面试题，即力扣上的第 122 题-买卖股票的最佳时机 II。

本文主要介绍「贪心」的策略来解答此题，供大家参考，希望对大家有所帮助。

买卖股票的最佳时机 II

 

 

解题思路

贪心算法是通过做出一系列选择来求出问题的最优解，在每个决策点，它做出当时看来最佳的选择。通过「局部最优」的选择，寄希望实现「全局最优解」。

「举例」

以 prices = [1,4,2,3,7] 为例子，求获得的最大利润，如下图示。

 

遍历数组 prices，第一天一定买入；

 

尔后判断判断第二天的价格是否大于第一天，大于则卖出（局部最优）；

 

卖出后，如果后面一天的价格小于当天的价格，则当天不买，防止亏本；

 

以此类推，其采用贪心策略买卖股票的完整决策过程如下动图示

Show me the Code

「C」

int maxProfit(int* prices, int pricesSize){
    int ans = 0;
    for (int i = 1; i < pricesSize; ++i) {
        /* 后一天的价格比前一天高，则卖出（当前最佳策略） */
        ans += fmax(0, prices[i] - prices[i - 1]);
    }

    return ans;
}

 

「C++」

int maxProfit(vector<int>& prices) {
    int ans = 0;
    for (int i = 1; i < prices.size(); ++i) {
        ans += max(0, prices[i] - prices[i - 1]);
    }

    return ans;
}

 

「Java」

int maxProfit(int[] prices) {
    int ans = 0;
    for (int i = 1; i < prices.length; ++i) {
        ans += Math.max(0, prices[i] - prices[i - 1]);
    }

    return ans;
}

 

「Python3」

def maxProfit(self, prices: List[int]) -> int:
    ans = 0
    for i in range(1, len(prices)):
        ans += max(0, prices[i] - prices[i - 1])
    
    return ans 

 

「Golang」

func maxProfit(prices []int) int {
    ans := 0
    for i := 1; i < len(prices); i++ {
        profit := prices[i] - prices[i-1]
        if profit > 0 {
          ans += profit
        }        
    } 
    
    return ans   
}

 

「复杂度分析」

时间复杂度：「O(n)」，其中 n 是数组的长度，需要遍历一遍数组。

空间复杂度：「O(1)」，未开辟额外的空间。