Day43 121. 买卖股票的最佳时机 122.买卖股票的最佳时机II 123.买卖股票的最佳时机III

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。

提示：

• 1 <= prices.length <= 105
• 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 

​
class Solution {
    public int maxProfit(int[] prices) {
   int[][] dp=new int[prices.length][2];//0持有 1不持有
   //初始化
   dp[0][0]=0-prices[0];
   dp[0][1]=0;
   //
   for(int i=1;i<prices.length;i++){
    dp[i][0]=Math.max(dp[i-1][0],0-prices[i]);//持有(之前或今天买过还没卖出去)
    dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]+prices[i]);//不持有(今天卖出去/或之前卖出去)
   }
return 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。
最大总利润为 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。
最大总利润为 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:

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

class Solution {
    public int maxProfit(int[] prices) {
      int[][] dp = new int[prices.length][2];

      //初始化
      dp[0][0]=0-prices[0];//持有
      dp[0][1]=0;//不持有
      //
      for(int i=1;i<prices.length;i++){
        dp[i][0]=Math.max(dp[i-1][1]-prices[i],dp[i-1][0]);//持有
        dp[i][1]=Math.max(dp[i-1][0]+prices[i],dp[i-1][1]);//不持有
      }
return dp[prices.length-1][1];
    }
}

---

123. 买卖股票的最佳时机 III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

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 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：

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

示例 4：

输入：prices = [1]
输出：0

提示：

• 1 <= prices.length <= 105
• 0 <= prices[i] <= 105

思路:

1.确定dp数组以及下标的含义

一天一共就有五个状态，

1.没有操作 （其实我们也可以不设置这个状态）

2.第一次持有股票

3.第一次不持有股票

4.第二次持有股票

5.第二次不持有股票

dp[i][j]中 i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天状态j所剩最大现金

2.确定递推公式

达到dp[i][1]状态，有两个具体操作：

1)操作一：第i天买入第一支股票了，那么dp[i][1] = dp[i-1][0] - prices[i]

2)操作二：第i天没有操作，而是沿用前一天买入第一支股票的状态，即：dp[i][1] = dp[i - 1][1]

达到dp[i][2]状态，有两个具体操作：

1)操作一：第i天卖出第一支股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]

2)操作二：第i天没有操作，沿用前一天卖出第一支股票的状态，即：dp[i][2] = dp[i - 1][2]

达到dp[i][3]状态，有两个具体操作：

dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);

达到dp[i][4]状态，有两个具体操作：

dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);

3.初始化

第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0;

第0天做第一次买入的操作，dp[0][1] = -prices[0];

第0天做第一次卖出的操作，这个初始值应该是多少呢？

此时还没有买入，怎么就卖出呢？ 其实大家可以理解当天买入，当天卖出，所以dp[0][2] = 0;

题条件是最多买两次

第0天只最多只能买一次,第二次买入操作，初始化为：dp[0][3] = -prices[0];

同理第二次卖出初始化dp[0][4] = 0;

4.确定遍历顺序

从递归公式其实已经可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值

5.举例推导

代码参考:

class Solution {
    public int maxProfit(int[] prices) {
        int[][] dp=new int[prices.length][5];
        //0.没有操作 （其实我们也可以不设置这个状态）1.第一次持有股票
        //2.第一次不持有股票 3.第二次持有股票 4.第二次不持有股票
        //初始化
        dp[0][0]=0;
        dp[0][1]=0-prices[0];
        dp[0][2]=0;
        dp[0][3]=0-prices[0];
        dp[0][4]=0;
        //
        for(int i=1;i<prices.length;i++){
         dp[i][0]=dp[i-1][0];
         dp[i][1]=Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
         dp[i][2]=Math.max(dp[i-1][2],dp[i-1][1]+prices[i]);
         dp[i][3]=Math.max(dp[i-1][3],dp[i-1][2]-prices[i]);
         dp[i][4]=Math.max(dp[i-1][4],dp[i-1][3]+prices[i]);
        }
        return dp[prices.length-1][4];
    }
}