day 41 第九章 动态规划part08 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

从今天开始进入股票买卖的题目，打家劫舍的题目已结束，所以dp数组的含义，初始化和递推公式要变化了。

任务日期：7.15

题目一链接：121. 买卖股票的最佳时机 - 力扣（LeetCode）

思路：当天不能同时买入和出售。
利用一个二维dp[i][0]和dp[i][1]数组，分别代表第i天持有和不持有(区别持有和买入两个概念)的最多的现金，然后加上动规五部曲可解此题。

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        //定义一个二维dp[i][0]和dp[i][1]数组，分别代表第i天持有和不持有所得的最多的现金
        vector<vector<int>> dp(len,vector<int>(2,0));//初始值默认为0
        //确定dp递推公式
       //dp[i][0] = max(-prices[i],dp[i - 1][0]);
        //dp[i][1] = max(dp[i- 1][1],dp[i - 1][0] + prices[i]);
        //dp数组初始化
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        //确定递归顺序:从前往后,从第一天开始
        for(int i = 1;i < len;i ++) {
            dp[i][0] = max(-prices[i],dp[i - 1][0]);
            dp[i][1] = max(dp[i- 1][1],dp[i - 1][0] + prices[i]);//这里是加因为买入之后的钱是负数
        }
        return dp[len - 1][1];
    }
};

难点：

1.遍历的时候i需要从1开始，否则数组dp[i - 1]会报错

2.最后返回dp[len - 1][1],因为此题肯定是不持有股票状态所得金钱一定比持有股票状态得到的多！

---

---

---

题目二链接：122. 买卖股票的最佳时机 II - 力扣（LeetCode）

思路：本题在在一段时间内可以进行多次买卖，所以本题和普通的买卖股票的差别在于dp[i][0]的初始化，如果是当日买入的话，本题dp[i][0] = 前一天不持有的金钱数 - prices[i],而不是-prices[i]。

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        //确定dp[i][]数组的含义
        vector<vector<int>> dp(len,vector<int>(2,0));//一共有len行，每行有两列，并且初始化为零
        //确定递推公式
        //dp[i][0] = max(dp[i - 1][1] - prices[i],dp[i - 1][0]);
        //dp[i][1] = max(prices[i] + dp[i - 1][0],dp[i - 1][1]);
        //初始化dp数组
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        //确定遍历顺序：从前往后
        for(int i = 1;i < len;i ++) {
            dp[i][0] = max(dp[i - 1][0],dp[i - 1][1] - prices[i]);
            dp[i][1] = max(dp[i - 1][1],dp[i - 1][0] + prices[i]);
        }
        return dp[len - 1][1];
    }
};

难点：1.遍历时注意i的初始值，应该从1开始，因为下标为零的已经被初始化，并且从零开始dp数组下标小于零会报错。
2.当天的递推公式利用前一天的dp数组来推

---

---

---

题目三链接：123. 买卖股票的最佳时机 III - 力扣（LeetCode）

思路：本题和上一个可进行不限制次数买卖股票的不同之处在于规定了买卖次数，最多两次，这就要求我们对每一天设置五个状态：初始化dp[i][]:一共有i天，每天有五个状态，分别是没操作，第一次持有，第一次不持有，第二次持有，第二次不持有，分别对应0,1,2,3,4。然后填充dp二维数组，最终返回最后一天的第二次不持有的值。

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        vector<vector<int>> dp(len,vector<int>(5,0));//初始化dp[i][]:一共有i天，每天有五个状态，分别是没操作，第一次持有，第一次不持有，第二次持有，第二次不持有，分别对应0,1,2,3,4
        //确定递推公式
        /*dp[i][1] = max(dp[i - 1][1],-prices[i]);
        dp[i][2] = max(dp[i - 1][2],dp[i - 1][1] + prices[i]);
        dp[i][3] = max(dp[i - 1][3],dp[i - 1][2] - prices[i]);
        dp[i][4] = max(dp[i - 1][4],dp[i - 1][3] + prices[i]);*/
        //dp数组初始化
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[0][2] = 0;
        dp[0][3] = -prices[0];
        dp[0][4] = 0;
        for(int i = 1;i < len;i ++) { //确定遍历顺序：从第一天往后
            dp[i][0] = 0;
            dp[i][1] = max(dp[i - 1][1],-prices[i]);
            dp[i][2] = max(dp[i - 1][2],dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3],dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4],dp[i - 1][3] + prices[i]);
        }
        return dp[len - 1][4];//prices数组的大小代表天数，最后一天并且第二次不持有时的值肯定是最大值
    }
};

难点：1.本题需要对每天设置五个状态，其中0状态代表无操作的状态，而剩下四个状态可以限制买卖股票的次数，限制为两次。
2.最终输出最后一天的第二次不持有的值，这个值为最大值。

解释细节2：因为我们dp数组取得都是当天和前一天的利润最大值，所以最后一天一定是这么多天的利润最大值