文章目录
前言
121. 买卖股票的最佳时机
思路
设想的对象是手里的现金;
持有股票的话,手里只有股票无现金,一定钱是少的;最后肯定是不持有股票的时候手里头的现金多;
我理解的总体思路:因为最后一定是不持有手里的现金多,而不持有的最大值需要由前一天持有的最大值推出,所以每天都需要分别求持有和不持有的各自的max;
dp五部曲
- 💕dp数组及其下标含义:设置dp[i][0]和dp[i][1]
- dp[i][0]表示第i天持有这只股票手里的现金最大是多少
- dp[i][1]表示第i天不持有这只股票手里的现金最大是多少
为什么要这么设置dp:如果设置dp的含义是第i天买或者卖这只股票,那么别的持有不买不卖股票的天就很难表征状态
- 递推公式:
- dp[i][0]由前一天推出:如果前一天持有股票,那么今天持有股票的时候手里的现金跟昨天是一样的,即dp[i-1][0];如果前一天不持有股票,那么今天就是买入那天,手里的现金是-price[i];dp[i][0] = max(dp[i - 1][0], -prices[i]);
- dp[i][1]由前一天推出:如果前一天不持有股票,那么今天持有股票的时候手里的现金跟昨天是一样的,即dp[i-1][1];如果前一天持有股票,那么今天就是卖出那天,手里的现金是dp[i-1][0]+price[i];dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
- 初始化:dp[0][0]和dp[0][1]
dp[0][0]: dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能有前一天推出来,所以dp[0][0] -= prices[0];
dp[0][1]: 不持有股票那么现金就是0,所以dp[0][1] = 0; - 遍历顺序:很简单,就是从前往后
- 举例
方法一 dp
我觉得这道题目需要背一下,自己完全想不到的
首先写了二维数组版本
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
dp = [[0,0] for _ in range(len(prices))]
dp[0][0] = -prices[0]#持有
dp[0][1] = 0
for i in range(1,len(prices)):
dp[i][0] = max(dp[i-1][0],-prices[i])
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
return dp[-1][1]
可以压缩到一维,只使用两个变量来维护
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
dp = [-prices[0],0]
for i in range(1,len(prices)):
dp[0] = max(dp[0],-prices[i])
dp[1] = max(dp[1],dp[0]+prices[i])
return dp[1]
方法二 贪心算法和暴力求解
贪心算法的思路:就是求左边的最小值,就是第i天售出,获利跟保存的最大获利比较
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
re = 0
low = float('inf')
for i in range(len(prices)):
low = min(low,prices[i])#找到遍历到当前的最小值
re = max(re, prices[i]-low)
return re
暴力求解会超时
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
re = 0
for i in range(len(prices)):
buy = prices[i]
sell = max(prices