Implement maxProfit function for stock prices

[argondev22]

Status

Time Limit Exceeded (203 / 212 testcases passed)

Time Taken

33 m 52 s

[Copilot]

---

コーディング面接対策 - 解答評価レポート

📊 総合評価:4点 / 10点

---

✅ 良い点

1. 正確性: アルゴリズムは正しく動作し、正しい答えを返します
2. コードの明確性: ロジックが直感的で理解しやすい
3. 変数名: maxProfit, todayProfit など、意図が明確な命名
4. 境界条件: 配列の範囲チェックが適切

---

⚠️ 改善が必要な点

1. 計算量の問題(重大)

• 時間計算量: O(n²) - 二重ループにより、大規模入力で実行時間超過(TLE)の可能性が高い
• LeetCodeでは制約が 1 ≤ prices.length ≤ 10^5 のため、最悪ケースで約100億回の演算が発生

2. 非効率なアプローチ

• すべての買い売りのペアを試しているため、無駄な計算が多い
• 「過去の最安値で買って今日売る」という単純な戦略で解ける問題

---

🏆 最適解との比較

あなたの解法(ブルートフォース)

// 二重ループで全ペアを確認
for (let i = 0; i < n - 1; i++) {
    for (let j = i + 1; j < n; j++) {
        const todayProfit = prices[j] - prices[i];
        maxProfit = Math.max(maxProfit, todayProfit);
    }
}

最適解(ワンパス)

function maxProfit(prices: number[]): number {
    let minPrice = prices[0];
    let maxProfit = 0;
for (let i = 1; i < prices.length; i++) {
    maxProfit = Math.max(maxProfit, prices[i] - minPrice);
    minPrice = Math.min(minPrice, prices[i]);
}

return maxProfit;

}

アルゴリズムの違い

項目	あなたの解法	最適解
アプローチ	全ペア探索	動的計画法的思考
核心アイデア	各買い日に対して全売り日を試す	「今日まで見た最安値」を記録

実行時間の例(n = 10,000の場合)

• あなたの解法: 約5000万回の演算
• 最適解: 約1万回の演算
• 差: 約5000倍

---

🔧 あなたのコードの具体的な改善

Step 1: 問題を言い換える

「i日目に買ってj日目に売る最大利益」
↓
「今日売るとしたら、過去の最安値で買った場合の利益」

Step 2: 改善版コード

function maxProfit(prices: number[]): number {
    let minPrice = prices[0];  // これまで見た最安値
    let maxProfit = 0;
for (let i = 1; i < prices.length; i++) {
    // 今日売った場合の利益を計算
    const todayProfit = prices[i] - minPrice;
    maxProfit = Math.max(maxProfit, todayProfit);
    
    // 最安値を更新
    minPrice = Math.min(minPrice, prices[i]);
}

return maxProfit;

}

Step 3: さらに洗練

function maxProfit(prices: number[]): number {
    let minPrice = Infinity;
    let maxProfit = 0;
for (const price of prices) {
    maxProfit = Math.max(maxProfit, price - minPrice);
    minPrice = Math.min(minPrice, price);
}

return maxProfit;

}

---

📚 学習ポイント

1. 「貪欲法」の考え方

• 「各時点で最善の選択をする」アプローチ
• この問題では「今日までの最安値を常に記録」

2. 状態管理パターン

今まで見た中で重要な情報 = 最安値のみ
→ O(1)の追加メモリで解決可能

3. 計算量削減の典型パターン

二重ループ O(n²) 
↓ 
「前処理 + 一回のループ」でO(n)に改善

4. 面接での思考プロセス

1. ブルートフォース解を考える(あなたはここまで完了✅)
2. 「何を記憶すれば二重ループを避けられるか?」を考える
3. 状態変数を最小化する

5. 類似問題への応用

• Maximum Subarray (Kadane’s Algorithm)
• Best Time to Buy and Sell Stock II/III/IV
• Sliding Window問題全般

---

📝 まとめ

あなたの現状

• ✅ 正しい解答を導ける基礎力がある
• ✅ コードの構造が理解しやすい
• ⚠️ 計算量の最適化に課題

次のステップ

1. 必ず最初に計算量を分析する習慣をつける
2. **「今の状態で何を覚えておくべきか?」**を常に考える
3. 二重ループを見たら「一回のループで解けないか?」を自問する
4. 類似問題(Maximum Subarray等)で貪欲法のパターンを練習

面接での評価予想

• 実務: 動作するが、パフォーマンス改善が必要
• アルゴリズム面接: アプローチの説明とO(n)解への改善を求められる
• 改善提案できれば: 8-9点レベルに到達可能

頑張ってください!🚀