代码随想录算法训练营第三十六天|买卖股票的最佳时机I，II，III

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。