121. 买卖股票的最佳时机
思路
- 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。 - 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]);
- 第i天持有股票:
- 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; - 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。 - 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
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];
}
};