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。
思路:相比上一题只能挑某一天买然后某一天卖,这道题目可以多次买卖,但每次只能买卖一只股票,那怎么进行买卖能获得最大利润呢?首先利润肯定是要卖出价格大于买入价格这是毋庸置疑的,其次我让每天能获得的利润最大,从而去确保总利润最大,即若第一天买入第二天卖出,我能获得利润,那我就这么操作;然后继续看第二天买入第三天卖出能不能获得利润,若能,则这么操作。将每天的利润加起来就等于最后的最大总利润。
代码(Python):
class Solution(object):
def maxProfit(self, prices):
profit = 0
for i in range(len(prices)-1):
if prices[i+1] - prices[i]>0: #若利润大于0,加上当天的利润
profit += prices[i+1] - prices[i]
return profit
更新:上述方法是用贪心的思想,下面补充一种用动态规划的方法, 这道题是121那道题的变化版,在那道题的基础上可以多次买卖股票,那核心思路还是一模一样的,具体的分析可以看那篇题解,指路👉121. 买卖股票的最佳时机-CSDN博客
那这道题的变化怎么体现呢,关于dp的定义不变,唯一变化的是递推公式,首先是dp[i][0],表示第i天持有股票,可以分两种情况:1. 第i-1天就持有股票了,那dp[i][0] = dp[i-1][0],2.第i-1天没有股票,在第i天买入了股票,那dp[i][0] = dp[i-1][1]-prices[i],在121那道题,一开始拥有的钱视为0,就等于减去买这支股票的钱,但这道题可以多次买卖,因此可能在买这只股票前还有剩余的钱,因此用前一个状态不持有股票的状态-prices[i[];接下去是dp[i][1]的,第i天不持有股票也可以分为两种情况:1.第i-1天也不持有股票,dp[i][1] = dp[i-1][1],2.第i天把股票卖出了,那dp[i][1]=dp[i-1][0]+prices[i],等于前一天持有股票已得的利润加上卖出这支股票的钱,和那道题没有变化。
class Solution(object):
def maxProfit(self, prices):
dp = [[0]*2 for _ in range(len(prices))]
if len(prices) == 0:
return 0
dp[0][0] = -prices[0]
dp[0][1] = 0
for i in range(1,len(prices)):
dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i]) #和上一题唯一不同的地方
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
return dp[len(prices)-1][1]