Leetcode10-#121/122/124

---

1 #121-买卖股票的最佳时机

• 题目：
  给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
  如果你最多只允许完成一笔交易（即买入和卖出一支股票一次），设计一个算法来计算你所能获取的最大利润。
  注意：你不能在买入股票前卖出股票。

  • 示例1：

  输入: [7,1,5,3,6,4]
  输出: 5
  解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
      注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格；同时，你不能在买入前卖出股票
  

  • 示例2：

  输入: [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。
  

• 分析：

  • 分析1：动态规划
    1 动态规划做题步骤
    • 明确 dp(i)dp(i) 应该表示什么（二维情况：dp(i)(j)dp(i)(j)）；
    • 根据 dp(i)dp(i) 和 dp(i-1)dp(i−1) 的关系得出状态转移方程；
    • 确定初始条件，如 dp(0)dp(0)。
      2 $dp[i]$ 表示前 $i$天的最大利润，因为我们始终要使利润最大化，则：
      $dp[i]=\max (dp[i-1],$ prices $[i]-$ minprice $)$
  • 分析2：最多进行 1 笔交易（k=1）【贪心】
    只要记录前面的最小价格，将这个最小价格作为买入价格，然后将当前的价格作为售出价格，决定是否更新当前的最大收益。注意维护两个变量：前面的最小价格 和 当前的最大收益。

• 答案：

  • 答案1：

  class Solution:
  def maxProfit(self, prices: List[int]) -> int:
      n = len(prices)
      if n == 0: return 0 # 边界条件
      dp = [0] * n
      minprice = prices[0] 
  
      for i in range(1, n):
          minprice = min(minprice, prices[i])
          dp[i] = max(dp[i - 1], prices[i] - minprice)
  
      return dp[-1]
  

  • 答案2：

  class Solution:
  def maxProfit(self, prices: List[int]) -> int:
      n = len(prices)
      if n<=1: return 0
      buy, profit = float('inf'), 0  # 买入值 和 利润
      for curr in prices:
          profit = max(profit, curr-buy)
          buy = min(curr, buy)
      return profit
  

权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
```
参考

---

2 #122-买卖股票的最佳时机 II

• 题目：
  给定一个数组，它的第 i 个元素是一支给定股票第 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）
  • 示例1：

  输入: [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: [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。
  

• 分析：
  需要找出所有的升区间，计算每个升区间的价格差（峰值减去谷值）作为收益，最后把所有升区间带来的收益求和就可以了。
  对于升区间 [a, b, c, d]，有 a <= b <= c <= d ，那么最大收益为 d - a。而 d - a = (d - c) + (c - b) + (b - a) ，因此每当访问到 prices[i] 比前一天价格高，即 prices[i] - prices[i-1] > 0，那么就把 prices[i] - prices[i-1] 添加到收益中。
• 答案：

参考

---

3 #124-二叉树中的最大路径和

• 题目：
  路径 被定义为一条从树中任意节点出发，沿父节点-子节点连接，达到任意节点的序列。该路径 至少包含一个 节点，且不一定经过根节点。
  路径和 是路径中各节点值的总和。
  给你一个二叉树的根节点 root ，返回其 最大路径和 。

  • 示例1：
    

  输入：root = [1,2,3]
  输出：6
  解释：最优路径是 2 -> 1 -> 3 ，路径和为 2 + 1 + 3 = 6
  

  • 示例2：
    

  输入：root = [-10,9,20,null,null,15,7]
  输出：42
  解释：最优路径是 15 -> 20 -> 7 ，路径和为 15 + 20 + 7 = 42
  

• 分析：
  递归

• 答案：

  class Solution:
  ans = float('-inf')
  def maxPathSum(self, root: TreeNode) -> int:
      def helper(node):
          if not node: return 0
          l = helper(node.left)
          r = helper(node.right)
          self.ans = max(self.ans, max(l,0) + max(r, 0) + node.val)
          return max(l, r, 0) + node.val
      helper(root)
      return self.ans
  

参考1

---