Day42：121. 买卖股票的最佳时机、122.买卖股票的最佳时机II

---

121. 买卖股票的最佳时机

题目链接

思路

1. 确定dp数组以及下标的含义
   dp[i][0]：表示第i天持有股票所得最多现金。
   这里说的是“持有”，“持有”不代表就是当天“买入”，也有可能是昨天就买入了，今天保持持有的状态。
2. 确定递推公式
   第i天的状态持有和不持有状态分别可以由两个状态推出来
   • 第i天持有股票：
     保持前一天的现状：dp[i - 1][0]
     第i天第一次买入股票：0-price[i]，为什么不是靠前一天状态推出了呢？因为只允许买一次股票，要么现在买，要么之前就买了
     那么dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
   • 第i天不持有股票：
     保持前一天的现状：dp[i - 1][1]
     第i天卖出股票：dp[i - 1][0]+prices[i]
     同样dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
3. dp数组如何初始化
   基础都是要从dp[0][0]和dp[0][1]推导出来。
   那么dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp[0][0] -= prices[0];
   dp[0][1]表示第0天不持有股票，不持有股票那么现金就是0，所以dp[0][1] = 0;
4. 确定遍历顺序
   从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。
5. 举例推导dp数组

代码实现

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size()<=1)return 0;
        vector<vector<int>> dp(prices.size(),vector<int>(2,0));
        //dp[i][0]表持有，dp[i][1]表不持有
        dp[0][0]=0-prices[0];
        dp[0][1]=0;
        for(int i=1;i<prices.size();i++){
            dp[i][0]=max(dp[i-1][0],0-prices[i]);
            dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]);
        }
        return dp[prices.size()-1][1];
        //最后一天卖出股票肯定比持有股票的利润高，所以直接返回dp[prices.size()-1][1]即可
    }
};

---

122.买卖股票的最佳时机II

题目链接

思路

这道题和上一道题的答案几乎一模一样，唯一不同的就是这道题可以多次买卖股票。之前用贪心做过这道题，今天用动态规划来思考。
只需要修改 dp[i][0]=max(dp[i-1][0],0-prices[i])为dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i])即可，因为它不要求只能买卖一次了，所以答案可以在dp[i-1][1]的基础之上继续购入股票。

代码实现

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size()<=1)return 0;
        vector<vector<int>> dp(prices.size(),vector<int>(2,0));
        //dp[i][0]表持有，dp[i][1]表不持有
        dp[0][0]=0-prices[0];
        dp[0][1]=0;
        for(int i=1;i<prices.size();i++){
            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[prices.size()-1][1];
    }
};

---