Day49:动态规划 LeedCode 121. 买卖股票的最佳时机 122.买卖股票的最佳时机II

121. 买卖股票的最佳时机

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。

思路:

动态规划五部曲:

1.确定dp数组（dp table）以及下标的含义

dp[i][0] 表示第i天持有股票所得最多现金 

dp[i][1] 表示第i天不持有股票所得最多现金

注意这里说的是“持有”，“持有”不代表就是当天“买入”！

2.确定递推公式

如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来

第i-1天就持有股票，保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]

第i天买入股票，所得现金就是买入今天的股票后所得现金即：-prices[i]

那么dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);

如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来

第i-1天就不持有股票，保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]

第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]

3.dp数组如何初始化

由递推公式 dp[i][0] = max(dp[i - 1][0], -prices[i]); 和 dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);得知,其基础都是要从dp[0][0]和dp[0][1]推导出来。

dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所以dp[0][1] = 0;

dp[0][0]表示第0天持有股票,dp[0][0] -= prices[0]

4.确定遍历顺序

从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。

5.举例推导dp数组

由代码可见,dp[i][0]一直存的是当前买价最低的股票, dp[i][1]存的是之前的利润和卖出当前持有股票获得利润之间的最大值 

代码:

class Solution {
    public int maxProfit(int[] prices) {
     int[][] dp=new int[prices.length][2];
     //初始化
     //第0天持有股票
     dp[0][0]=-prices[0];
     //第0天不持有股票
     dp[0][1]=0;
     for(int i=1;i<prices.length;i++){
        dp[i][0]=Math.max(dp[i-1][0],-prices[i]);
        dp[i][1]=Math.max(dp[i-1][0]+prices[i],dp[i-1][1]);
     }
     return Math.max(dp[prices.length-1][0],dp[prices.length-1][1]);
    }
}

---

 

122. 买卖股票的最佳时机 II

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

示例 1：

输入：prices = [7,1,5,3,6,4]
输出：7
解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
     总利润为 4 + 3 = 7 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     总利润为 4 。

示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

提示：

• 1 <= prices.length <= 3 * 104
• 0 <= prices[i] <= 104

思路:

动态规划五部曲:

1.确定dp数组（dp table）以及下标的含义

dp[i][0] 表示第i天持有股票所得现金。

dp[i][1] 表示第i天不持有股票所得最多现金

2.确定递推公式

如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来

第i-1天就持有股票，保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]

第i天买入股票，所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即：dp[i - 1][1] - prices[i],因为一只股票可以买卖多次，所以当第i天买入股票的时候，所持有的现金可能有之前买卖过的利润。

如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来

第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1] 

第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]

3.dp数组如何初始化

由递推公式 dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); 和 dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);得知,其基础都是要从dp[0][0]和dp[0][1]推导出来。

dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所以dp[0][1] = 0;

dp[0][0]表示第0天持有股票,dp[0][0] -= prices[0]

4.确定遍历顺序

从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。

5.举例推导dp数组

代码参考:

class Solution {
    public int maxProfit(int[] prices) {
     int[][] dp=new int[prices.length][2];
     //初始化
     //第0天持有股票
     dp[0][0]=-prices[0];
     //第0天不持有股票
     dp[0][1]=0;
     for(int i=1;i<prices.length;i++){
        dp[i][0]=Math.max(dp[i-1][0], dp[i - 1][1] - prices[i]);//注意这里
        dp[i][1]=Math.max(dp[i-1][0]+prices[i],dp[i-1][1]);
     }
     return Math.max(dp[prices.length-1][0],dp[prices.length-1][1]);
    }
}

---