代码随想录算法训练营第四十九天 | 买卖股票

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];
    }
};