news 2026/4/16 13:33:29

LeetCode热题100--121. 买卖股票的最佳时机--简单

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
LeetCode热题100--121. 买卖股票的最佳时机--简单

题目

给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。

示例 1:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。

示例 2:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。

题解

classSolution{publicintmaxProfit(int[]prices){intcost=Integer.MAX_VALUE,profit=0;for(intprice:prices){cost=Math.min(cost,price);profit=Math.max(profit,price-cost);}returnprofit;}}

解析

出自:121. 买卖股票的最佳时机(动态规划,清晰图解)

publicintmaxProfit(int[]prices){//定义main方法,以prices数组作为输入参数intcost=Integer.MAX_VALUE,profit=0;//初始化成本和利润变量。cost设置为最大值Integer.MAX_VALUE,profit设置为零。这将用于跟踪最便宜的购买价格和已获得的最高利润for(intprice:prices){//遍历prices数组;price表示当前的价格cost=Math.min(cost,price);//计算迄今为止我们能找到的最低买入价,并将其赋值给cost变量。Math.min(cost, price)给出一个较低的值,即先前价格和当前价格中的最小值profit=Math.max(profit,price-cost);//计算通过在最低买入价(由变量'cost'表示)购买并在这个特定时间点卖出(由'price'提供)所能获取的最大利润。使用Math.max()来找到先前 profits 和当前利润之间的较大值returnprofit;//返回已经计算过的最高利润
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/11 5:10:35

Nginx负载均衡部署多个ACE-Step实例:应对大规模访问需求

Nginx负载均衡部署多个ACE-Step实例:应对大规模访问需求 在短视频、游戏和影视内容爆发式增长的今天,对背景音乐的自动化生成需求正以前所未有的速度攀升。一个热门短视频可能需要数十种风格各异的配乐进行A/B测试,而一部动画电影则涉及成百上…

作者头像 李华
网站建设 2026/4/16 4:36:17

DS4Windows终极配置指南:释放PS4手柄在PC上的全部潜能

问题定位:为什么你的PS4手柄在PC上表现不佳? 【免费下载链接】DS4Windows Like those other ds4tools, but sexier 项目地址: https://gitcode.com/gh_mirrors/ds/DS4Windows 许多玩家发现将PlayStation手柄连接到PC时,会遇到兼容性差…

作者头像 李华
网站建设 2026/4/11 18:57:31

ParsecVDD虚拟显示器完整指南:从入门到精通

ParsecVDD虚拟显示器完整指南:从入门到精通 【免费下载链接】parsec-vdd ✨ Virtual super display, upto 4K 2160p240hz 😎 项目地址: https://gitcode.com/gh_mirrors/pa/parsec-vdd ParsecVDD是一款功能强大的虚拟显示器工具,能够为…

作者头像 李华
网站建设 2026/4/16 7:30:20

RAG优化思路

一. 简介 检索增强生成(Retrieval-Augmented Generation, RAG)是一种通过从外部知识库中检索相关信息,并将其作为上下文输入给大语言模型,从而生成更准确、更可信、更具时效性回答的技术范式。其概念由Meta AI等机构在2020年前后…

作者头像 李华