代码随想录训练营第49天 | 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 

题目链接：https://leetcode.com/problems/best-time-to-buy-and-sell-stock

解法：

贪心的解法比较简单。

动态规划的思路稍微有点复杂。

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 ，本题中只能买卖一次，那么第i天买入股票现金就是 -prices[i]， 这是一个负数。

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，那么就保持现状，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]，因为只能买卖一次。

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，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]

同样dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])。

3. dp初始化

dp[0][0] -= prices[0]，dp[0][1] = 0。

边界条件：无

时间复杂度：贪心O(n)，动规O(n)

空间复杂度：贪心O(1)，动规O(n)

# 贪心版本
class Solution(object):
    def maxProfit(self, prices):
        low = float("inf")
        result = 0
        for p in prices:
            low = min(low, p)
            result = max(result, p-low)
        return result

# 动态规划
class Solution(object):
    def maxProfit(self, prices):
        # dp[i][0]表示i天持有股票的现金，
        # dp[i][1]表示i天不持有股票的现金
        dp = [[0,0] for _ in prices]
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1, len(prices)):
            # 只能买卖一次，所以如果买了，就是-prices[i]，而不是dp[i-1][0] - prices[i]
            dp[i][0] = max(dp[i-1][0], -prices[i])
            # 注意这里是加...，因为买了就是负数
            dp[i][1] = max(dp[i-1][1], prices[i]+dp[i-1][0])
        return dp[-1][1]

122.买卖股票的最佳时机II 

题目链接：https://leetcode.com/problems/best-time-to-buy-and-sell-stock-ii

解法：

和第1题唯一不一样的地方，是本题股票可以买卖多次了，然后体现在递推公式不一样。

dp数组的含义：

• 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

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，那么就保持现状，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]

注意这里和121. 买卖股票的最佳时机 (opens new window)唯一不同的地方，就是推导dp[i][0]的时候，第i天买入股票的情况。

边界条件：无

时间复杂度：贪心 O(n)，动规O(n)

空间复杂度：贪心 O(1)，动规O(n)

# 贪心版本
class Solution(object):
    def maxProfit(self, prices):
        result = 0
        for i in range(1, len(prices)):
            result += max(prices[i] - prices[i-1], 0)
        return result

# 动态规划版本
class Solution(object):
    def maxProfit(self, prices):
        # dp[i][0]表示第i天持有股票的现金
        # dp[i][1]表示第i天不持有股票的现金
        dp = [[0,0] for _ in prices]
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1, len(prices)):
            # 和第1题不一样的地方，如果i天买，之前可能通过买卖已经有现金
            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[-1][1]