阿亮的算法之路——122. 买卖股票的最佳时机 II

2024-01-07 02:59

本文主要是介绍阿亮的算法之路——122. 买卖股票的最佳时机 II,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目描述

题目描述题目连接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/

一开始看到这个题目的时候,有点不知从何下手。想到了动态规划,当前可以获取的最高价格,可以从当前的价格和前几个可以获得的最高价格产生练习,但是我又想到了:万一后面的某个数很大,需要用这个最大的数去减去最小的那个数呢?那岂不是又要倒回去找最小的数?

其实是我想错了,正确的思路是:利用分段的思想。
因为后面的价格不能比前面的更大,更大的话,那么即便数组里多了这个价格,获得的最大利润也不会增加。例如:数组是{6,4,2,6,7,9,11},那么,无论后面增加多少个值进来,只要比前一个大,就不会获得更多的利润。
所以,我们只要一组一组的去找,分组的依据就是,当后一个值比前一个值大,就开启一个组,直到后一个值比前一个值更小,这个组就结束了。

我画个图:
画图分析每个柱形的高度代表了数组的每个值,按照这个思路分组,再结合动态规划,记录前面的分组获取的利润,就能解题了

首次通过

按照上面的思路,写出了最初版本

    public static int maxProfit(int[] prices){int len = prices.length;if(len == 1) return 0;int[] dp = new int[len];dp[0] = 0;dp[1] = prices[1] - prices[0] >= 0 ? prices[1] - prices[0]:0;int lastMinIndex = prices[0] < prices[1] ? 0:1;for (int i = 2; i < len; i++){if (prices[i] < prices[i-1]){dp[i] = dp[i-1];lastMinIndex = i;}else{if (lastMinIndex == 0) { dp[i] = prices[i] - prices[lastMinIndex]; }else { dp[i] = dp[lastMinIndex-1] + (prices[i] - prices[lastMinIndex]); }}}return dp[len-1];}

提交结果
首次提交结果不是很理想,但是我觉得我的思路是没问题的,可能在一些地方的处理比较粗糙。
我透,同样的代码,一行没改过,我再次提交,和第一次提交的差别这么大
再次提交再提交一次
再次提交2算了,就这样吧,这个数据不是很准确,而且的确也没想到要怎么优化,去看看大佬们的题解。

大佬题解

给出的解题思路和我想的是一样的,只不过我用了柱状图来说明,给出的题解用折线图来体现的,更加直观一些。
大佬题解大佬们还给出了一种更简单的解决办法,是在前面解题思路的基础上进行简化的。
柱状图思路
我们最终得到的利润是什么?s1+s2+s3+s4+s5,那s1、s2、s3、s4、s5又是怎么来的呢?如果一个组里只有两个数(如s1、s2、s3、s4),那么直接将这两个数相减就可以了。但如果是像s5那样,一个组里有多个数呢?其实还是可以拆成相邻两个数的差之和,s5是倒数第一个值减去倒数第二个之差 和 倒数第二个值与倒数第三个值之差 的和。

这样一来就简单了,只要后一个数比前一个数大,那么他们的差,就是利润的一部分,将所有部分加起来就是最终的利润。

代码
    public static int maxProfit(int[] prices){int sum = 0;for (int i = 1; i < prices.length; i++){ if (prices[i] > prices[i-1]) { sum += prices[i] - prices[i-1]; } }return sum;}

代码也忒简单了吧,一个循环,两三行就决绝了
大佬思路的提交而且这效率也很好,大致思路都是同样的,一点点小小的改变,就能简化这么多,这些思想的巧妙啊,究竟是天生智力所悟,还是经验积累而得呢?

这篇关于阿亮的算法之路——122. 买卖股票的最佳时机 II的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/578503

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。 示例 1: 输入:n = 3输出:5 示例 2: 输入:n = 1输出:1 class Solution {public int numTrees(int n) {int[] dp = new int

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数,每次操作将其分成2^q份,对于每一份内部的数进行翻转(逆序),每次操作完后输出操作后新序列的逆序对数。 图一:  划分子问题。 图二: 分而治之,=>  合并 。 图三: 回溯:

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close