121. 买卖股票的最佳时机
文档讲解:代码随想录 (programmercarl.com)
视频讲解:动态规划之 LeetCode:121.买卖股票的最佳时机1_哔哩哔哩_bilibili
状态:不会做。在股票系列的题目,递推公式中第i天都是由第i-1天的状态而来的。
思路
dp含义
第i天有两种状态:买这支股票/不买这支股票,故用
dp[i][0]
表示第i天持有股票所得到的最大现金,dp[i][1]
表示第i天不持有股票所得到的最大现金。要求的是max(
dp[n-1][0]
,dp[n-1][1]
)其实一开始现金是0,那么加入第i天买入股票现金就是 -prices[i], 这是一个负数。
注意这里说的是“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。
这里说的“不持有”也不是说第i天卖出,可能之前的几天就卖出了,也可能是第i天卖出。
为什么
dp[i][1]
不是表示第i天卖出股票?若这么定义,会落下很多状态,比如第i天卖出股票,那第i+1天什么也不操作,要用什么来表示呢?故用持有、不持有来表示。
递推公式
dp[i][0]
表示第i天持有股票所得到的最大现金,状态1:第i天之前就买了股票,第i-1天也可以持有股票即
dp[i-1][0]
,第i-1天到第i天延续着持有股票的状态,那么现金就没有改变,此时dp[i][0]=dp[i-1][0]
。状态2:第i天买入这支股票,此时就变成持有股票的状态,买入股票就要花钱,所以现金为【0-price[i]】
故
dp[i][0]=max(dp[i-1][0],-price[i])
。
dp[i][1]
与dp[i][0]
同理。
dp[i][1]
表示第i天不持有股票所得到的最大现金,状态1:
dp[i-1][1]
表示第i-1天也不持有股票的状态,可能前几天就卖了,一直保持着不持有的状态,此时dp[i][1]=dp[i-1][1]
。状态2:在第i天卖出这支股票,此时变成不持有股票的状态,那么第i-1天一定是持有这支股票的状态,此时
dp[i][1]=dp[i-1][0]+price[i]
。故
dp[i][1]=max(dp[i-1][1], dp[i-1][0]+price[i])
。
初始化
递推公式最前面是
dp[0][0]
和dp[0][1]
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;
代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(), vector<int>(2));
dp[0][0] -= prices[0];
dp[0][1] = 0;
for(int i = 1; i < prices.size(); 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 max(dp[prices.size() - 1][0], dp[prices.size() - 1][1]);
}
};
122.买卖股票的最佳时机II
文档讲解:代码随想录 (programmercarl.com)
视频讲解:动态规划,股票问题第二弹 | LeetCode:122.买卖股票的最佳时机II_哔哩哔哩_bilibili
状态:做出来了。在上一题的基础上小改动而已。
思路
本题和121. 买卖股票的最佳时机 (opens new window)的唯一区别是本题股票可以买卖多次了(注意只有一只股票,所以再次购买前要出售掉之前的股票)
在动规五部曲中,这个区别主要是体现在递推公式上,其他都和121. 买卖股票的最佳时机 (opens new window)一样一样的。
dp数组的含义:
dp[i][0]
表示第i天持有股票所得现金。dp[i][1]
表示第i天不持有股票所得最多现金
如果第i天持有股票即dp[i][0], 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:
dp[i - 1][0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:
dp[i - 1][1] - prices[i]
注意这里和121. 买卖股票的最佳时机 (opens new window)唯一不同的地方,就是推导dp[i][0]
的时候,第i天买入股票的情况。
再来看看如果第i天不持有股票即dp[i][1]的情况, 依然可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:
dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金即:
prices[i] + dp[i - 1][0]
注意这里和121. 买卖股票的最佳时机 (opens new window)就是一样的逻辑,卖出股票收获利润(可能是负值)天经地义!
代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
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], dp[i - 1][1] - prices[i]); //这里是和121买卖股票的最佳时机唯一不同的地方。
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
}
return dp[len - 1][1];
}
};