代码随想录算法训练营第三十五天| 121. 买卖股票的最佳时机、122.买卖股票的最佳时机II、123.买卖股票的最佳时机III

请输入个昵称

于 2024-08-12 12:30:24 发布

阅读量640

点赞数 11

分类专栏：代码随想录文章标签：算法

本文链接：https://blog.csdn.net/MYSTICSHUN/article/details/141116558

版权

代码随想录专栏收录该内容

36 篇文章 0 订阅

订阅专栏

写代码的第三十五天
买股票啦啦啦啦

121. 买卖股票的最佳时机

思路

动态规划的思路那是一点也没有的。看卡哥视频有点没明白，又看了一下代码随想录网站，看文字版了解了，说的已经非常清晰了，这里我自己有几处不太好理解的地方我记录一下。
解决问题1：dp数组怎么设置什么含义？dp数组设置成二维的，我觉得一维也是能做的，但是我没写出来，设置成二维的数组看题解倒是理解，但是要是自己想肯定想不出来。dp[i][0] 表示第i天持有股票所得最多现金；dp[i][1] 表示第i天不持有股票所得最多现金。
注意1：卡哥的文字讲解版中持有的意思是这个股票有，但不一定是当前这次买的，可以是之前就买了就有。
解决问题2：递推公式是什么？递推公式中，卡哥的解析也说的很明白，分为两种情况，当前i股票持有还是不持有。情况1:第i天持有股票，在注意1中我们解释了持有不见得是当前买的，也可能是之前买的，所以第一种可能是第i-1天就持有了股票，所以和第i-1天相同为dp[i-1][0]，第二种可能是第i-1天没有，当天才买，在本题中买卖只有一次，所以如果当前买入了，那么就是从手里的钱为0开始，所以为-price[i]（本题要求的是最大利润，当刚买入的时候初始钱为0，所以利润是0-price[i]），所以情况1的最大利润是dp[i][0] = max(dp[i - 1][0], -prices[i])；情况2:第i天不持有股票，也是分两种可能，第一种可能是第i-1天就不持有，所以利润和第i-1天一样，为dp[i-1][1]，第二种可能是第i天卖出股票，所以为第i-1天就持有股票所得现金加上卖出的第i天的价格，为dp[i - 1][0]+prices[i]，所以情况2的递推公式为dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
解决问题3：dp数组初始化为什么？当前第i位都是由第i-1位决定的，所以需要初始化的是dp[0][0]和dp[0][1]，dp[0][0]代表持有第0天的股票的最大现金=-price[0]，dp[0][1]代表不持有第0天股票的最大现金=0。
解决问题4：遍历顺序？i是由i-1位决定的，所以是从0开始遍历，从左到右。
解决问题5：输出dp数组。
正确代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(2)] for _ in range(len(prices))]
        dp[0][0] = -prices[0]
        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], prices[i] + dp[i - 1][0])
        return dp[-1][1]

122.买卖股票的最佳时机II

思路

本题和上一题的区别在于，上一题是只能进行一次买卖，本题可以多次买卖，但是每次买入之前都要把之前的卖掉！！！利润是求的总和利润
所以区别就在于递推公式这里，还是分两种情况，dp[i][0] 表示第i天持有股票所得最多现金；dp[i][1] 表示第i天不持有股票所得最多现金。
情况1:第i天持有股票，第一种可能是第i-1天就持有了股票，所以和第i-1天相同为dp[i-1][0]，第二种可能是第i-1天没有，当天才买，在本题中买卖多次，所以如果当前买入了，那么就是把前面的股票抛售掉了，所以抛售的利润为第i-1天不持有股票所得的最多现金dp[i-1][1]开始再减去当前买股票的钱price[i]，所以情况1的最大利润是dp[i][0] = max(dp[i - 1][0], dp[i-1][1]-prices[i])；
情况2:第i天不持有股票，也是分两种可能，第一种可能是第i-1天就不持有，所以利润和第i-1天一样，为dp[i-1][1]，第二种可能是第i天卖出股票，所以为第i-1天就持有股票所得现金加上卖出的第i天的价格，为dp[i - 1][0]+prices[i]，所以情况2的递推公式为dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
正确代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(2)] for _ in range(len(prices))]
        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])
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
        return dp[-1][1]

123.买卖股票的最佳时机III

思路

本题可以进行两次买卖。
解决问题1：dp数组的含义是什么？dp[i][0]没有操作；dp[i][1]第一次持有股票；dp[i][2]第一次不持有股票；dp[i][3]第二次持有股票；dp[i][4]第二次不持有股票。
解决问题2：递推公式是什么？dp[i][0]不定义；
dp[i][1]分两种，第一种是第i-1次已经持股dp[i][1]=dp[i-1][1]；第二种是第i-1次没持股，第i次才持股dp[i][1]=dp[i-1]0-prices[i]，一定是选最大的，所以 max(dp[i-1][1], dp[i-1][0] - prices[i]);
dp[i][2]分两种，第一种是i-1的时候就不持有股票了dp[i-1][2]；第二种是i-1时持有，第i次才卖掉所以dp[i][2] = dp[i-1][1]+ prices[i]，也是要选最大的所以dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i]);
dp[i][3]分两种，最后的结果是dp[i][3]=max(dp[i-1][3], dp[i-1][2] - prices[i]);
同理，dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i]);
解决问题3：初始化为什么？dp[0][0] = 0;dp[0][1] = -prices[0];这两个和之前是一样的；dp[0][2]当天买入当天卖出所以=0；当前一次买入卖出结束后才有第二次的买入，可以看作是第一次都是当天买当天卖，那么第一次的利润就是0，所以dp[0][3] = -prices[0];同理dp[0][4] = 0;
解决问题4：遍历顺序？从前向后。
正确代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(5)] for _ in range(len(prices))]
        dp[0][1] = -prices[0]
        dp[0][3] = -prices[0]
        for i in range(1,len(prices)):
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
            dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])
            dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i])
            dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i])
        return dp[-1][-1]