122. 买卖股票的最佳时机 II
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:
d
p
[
i
]
[
0
]
=
m
a
x
{
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
+
p
r
i
c
e
s
[
i
]
}
dp[i][0]=max\{dp[i−1][0],dp[i−1][1]+prices[i]\}
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:
d
p
[
i
]
[
1
]
=
m
a
x
{
d
p
[
i
−
1
]
[
1
]
,
d
p
[
i
−
1
]
[
0
]
−
p
r
i
c
e
s
[
i
]
}
dp[i][1]=max\{dp[i−1][1],dp[i−1][0]−prices[i]\}
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];
}
}