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];
}
}
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];
}
}
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];
}
}