121. 买卖股票的最佳时机
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
1. dp[i][0]持有股票最大值,dp[i][1]不持有股票最大值。最后要返回dp[len-1][0]和dp[len-1][1]的最大值
2. 状态转移方程:dp[i][0] = max(dp[i-1][0], -price[i]); dp[i-1][1] = max(dp[i-1][1], dp[i-1][0]+price[i]);
3. 初始化:dp[0][0]和dp[0][1]. 第0天持有这只股票的最大现金
dp[0][0] = -price[0];
dp[0][1] = 0;
4. 遍历顺序:从1到len,从左向右
5. 打印列表
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if(len==0) return 0;
vector<vector<int>> dp(len, vector<int>(2, 0));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i=1; i<len; i++){
dp[i][0] = max(dp[i-1][0], -prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i]);
}
return dp[len-1][1];
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n)
122.买卖股票的最佳时机II
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)。
与前一题唯一不同的在于dp[i][0]就是持有股票最大值的递推方程,比较的是(前一天不持有股票并买入新股票)和持有股票的值的最大值。
1. dp[i][0]持有股票最大值,dp[i][1]不持有股票最大值。最后要返回dp[len-1][0]和dp[len-1][1]的最大值
2. 状态转移方程:dp[i][0] = max(dp[i-1][0], dp[i-1][1]-price[i]); dp[i-1][1] = max(dp[i-1][1], dp[i-1][0]+price[i]);
3. 初始化:dp[0][0]和dp[0][1]. 第0天持有这只股票的最大现金
dp[0][0] = -price[0];
dp[0][1] = 0;
4. 遍历顺序:从1到len,从左向右
5. 打印列表
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if(n==0) return 0;
vector<vector<int>> dp(n, vector<int>(2, 0));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i=1; i<n; 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[n-1][1];
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n)
123.买卖股票的最佳时机III
给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
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)
关键在于至多买卖两次,这意味着可以买卖一次,可以买卖两次,也可以不买卖。
1. dp数组以及其含义如下,每天都一共有五种状态:
1. 第一次持有股票;2. 第一次不持有股票;3. 第二次持有股票;4. 第二次不持有股票
所以dp[i][j]表示的是第i天状态j所剩的最大现金
2. 递推公式:
dp[i][0] = dp[i-1][0] //即没有任何的操作
dp[i][1] = max(dp[i-1][1], dp[i-1][0]-prices[i])
dp[i][2] = max(dp[i-1][2], dp[i-1][1]+prices[i])
dp[i][3] = max(dp[i-1][3], dp[i-1][2]-prices[i])
dp[i][4] = max(dp[i-1][4], dp[i-1][3]+prices[i])
3. 初始化:dp[0][1]和dp[0][3]是-prices[0],其他的都初始化为0就行
4. 遍历顺序:从前往后,注意第二次卖出的一定是最大值,因为他包含了第一次卖出的值
5. 打印序列
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
vector<vector<int>> dp(len, vector(5, 0));
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for(int i=1; i<len; i++){
dp[i][0] = dp[i-1][0];
dp[i][1] = max(dp[i-1][1], dp[i-1][0]-prices[i]);
dp[i][2] = max(dp[i-1][2], dp[i-1][1]+prices[i]);
dp[i][3] = max(dp[i-1][3], dp[i-1][2]-prices[i]);
dp[i][4] = max(dp[i-1][4], dp[i-1][3]+prices[i]);
}
return dp[len-1][4];
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n × 5)
因为第i天只依赖于第i-1天,所以可以对空间进行优化。