链接
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/
前言
题目
给定一个数组 prices
,其中 prices[i]
是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
你可以认为每种硬币的数量是无限的。
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
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 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
示例 3:
输入: prices = [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
提示:
1 <= prices.length <= 3*10^4
0 <= prices[i] <= 10^4
关键
- 得确定有几个状态,状态怎么分类
思路1
- 动态规划
- 简化问题:有2种状态:
- dp0:手上没股票
- dp1:手上有股票
- 初始化状态:
- dp0 = 0:一开始什么都不买,收益为0
- dp1 = -prices[0]:减去第一次买入股票的费用
- 状态转换:
- dp0 = max(dp0, dp1+prices[i]):两种情况取最大值:一是延续上一dp0的状态,二是手上原来有股票但是现在卖出的情况
- dp1 = max(dp1, dp0-prices[i]):两种情况取最大值:一是延续上一dp1的状态,二是手上原来没股票但是现在买入的情况
- 最终要得到最大收益肯定是在股票卖出的情况下,即dp0
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) < 2:
return 0
dp0 = 0
dp1 = -prices[0]
for i in range(1, len(prices)):
dp0 = max(dp0, dp1+prices[i])
dp1 = max(dp1, dp0-prices[i])
return dp0