leetcode刷题 122. 买卖股票的最佳时机 II，Medium （Java）贪心算法+动态规划

最新推荐文章于 2022-05-27 21:26:09 发布

Sueko

最新推荐文章于 2022-05-27 21:26:09 发布

阅读量501

点赞数

分类专栏：数组 Medium Leetcode刷题文章标签： leetcode java 数据结构数组

本文链接：https://blog.csdn.net/Sueko/article/details/123958236

版权

Leetcode刷题同时被 3 个专栏收录

51 篇文章 0 订阅

订阅专栏

Medium

16 篇文章 0 订阅

订阅专栏

数组

14 篇文章 0 订阅

订阅专栏

1.题目描述

给定一个数组 prices ，其中 prices[i] 表示股票第 i 天的价格。

在每一天，你可能会决定购买和/或出售股票。你在任何时候最多只能持有一股股票。你也可以购买它，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 。

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 * 104
0 <= prices[i] <= 104

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii

著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

2.题解

2.1 贪心算法

2.1.1 思路

我的贪心和官网的有些不一样，本质都是贪心。我的是在第一题的基础上改的，买卖股票的最佳时机。
大致思路很简单，就是第一天买了，那第二天如果比第一天多，就卖掉。但记录一下第二天的值，如果第三天的也比第二天高，那就把第三天的卖了，相当于第二天又买了。
用[1,2,3,4,5]的例子就是2-1，3-2，4-3,5-4这几个的和也就是4。
代码思路如下：

首先用minFlag记录一下当前的最小值，初始化为最大值，sum记录一下所有的和，初始化为0。
然后开始遍历price的值，如果当前的值比minFlag大的话，那么就卖掉minFlag，因为minFlag已经卖掉了，所以要更新一下当前的minFlag。然后记录一下赚了多少钱，也就是加上sum。
最后遍历完之后，sum的值就是赚到的所有钱。

2.1.2 Java代码

class Solution {
    public int maxProfit(int[] prices) {
        int minFlag = Integer.MAX_VALUE;
        int sum = 0;
        for(int i=0;i<prices.length;i++){
            if(prices[i]>minFlag){
                int temp = prices[i]-minFlag;
                sum = sum+temp;
            }
            minFlag = prices[i];
        }
        return sum;
    }
}

2.2 动态规划

2.2.1 思路

其实这道题贪心比动规更合适，起码空间复杂度减少了，但是既然题解有讲，就当复习一下动态规划。
这道题有手里有股票和没有股票两种状态，所以需要二维的数组dp[n][2]。
当第i天手里没有股票，就计为dp[i][0],如果有股票，则为dp[i][1].
动态规划最重要的就是状态转移方程，就需要从第i-1天推出来第i天的值。那假设第i天没有股票，就有两种情况，第一种就是第i-1天没有股票，第二种是卖掉了第i-1天的股票，获得卖掉的钱。没股票的状态转移方程如下：

$dp[i][0]=max\{dp[i−1][0],dp[i−1][1]+prices[i]\}$
以此类推，如果第i天手里有股票，可能就是第i-1天买的股票或者第i天买的股票，那有股票的状态转移方程如下：

$dp[i][1]=max\{dp[i−1][1],dp[i−1][0]−prices[i]\}$
最后代码的结构就是：

首先创建dp[n][2]数组用来存储，之后将dp[0][1]和dp[0][0]初始化。
之后通过遍历，使用状态转移方程计算每个值的最大值。
最后返回最后一个值就是最大值了。

2.2.2 Java代码

class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        int [][] dp = new int[n][2];
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        for(int i=1;i<n;i++){
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
            dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
        }
        return dp[n-1][0];
    }
}