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]