目录
1 题目描述
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-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)。
2 输入输出
示例 1:
输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
示例 2:
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
提示:
1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4
3 解答
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/solution/tan-xin-suan-fa-by-liweiwei1419-2/里面有个作者写的很好(建议从这里看)
1)暴力搜素法
2)贪心算法
贪心策略:从第 i 天(这里 i >= 1)开始,与第 i - 1 的股价进行比较,如果股价有上升(严格上升),就将升高的股价( prices[i] - prices[i- 1] )记入总利润,按照这种算法,得到的结果就是符合题意的最大利润。
这道题 “贪心”方在于,对于 “今天的股价 - 昨天的股价”,得到的结果有 3 种可能:(1)正数(2)0(3)负数。贪心算法的决策是:只加正数。
时间复杂度:O(N),这里 N 表示股价数组的长度;
空间复杂度:O(1)。
3) 动态规划 ---dp数组
可以用贪心算法解决的问题,一般情况下都可以用动态规划。
第一步,定义状态转移dp[i][j]:
第一维 i 表示索引为 i 的那一天(具有前缀性质,即考虑了之前天数的收益)能获得的最大利润;
第二维 j 表示索引为 i 的那一天是持有股票,还是持有现金。这里 0 表示持有现金(cash),1 表示持有股票(stock)。
第 2 步:状态转移方程(递推公式???)
状态从持有现金(cash)开始,到最后一天我们关心的状态依然是持有现金(cash);每一天状态可以转移,也可以不动。因为不限制交易次数,除了最后一天,每一天的状态可能不变化,也可能转移。-----写代码的时候,可以不用对最后一天单独处理,输出最后一天,状态为 0 的时候的值即可。
如果dp[i]为现金时,可以是max(从dp[i-1]现金变为现金,dp[i-1]股票卖出变为现金);如果dp[i]为股票时,可以是max(从dp[i-1]股票变为股票,dp[i-1]现金买入变为股票);
第3步 确定起始(边界)
起始的时候:
如果什么都不做,dp[0][0] = 0;
如果买入股票,当前收益是负数,即 dp[0][1] = -prices[i];
第4步 确定终止(边界):
输出 dp[len - 1][0],因为一定有 dp[len - 1][0] > dp[len - 1][1]。
附注:这里的空间复杂度可以降为常数阶,使用两个变量保存当前为现金或者股票时的收益
4代码
/**股票最大收益,可以多次买卖一质股票
*贪心算法
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function(prices) {
if(prices.length < 2){ //长度小于2返回0
return 0;
}
let profile = 0; //收益,初始化为0
for(let i = 1; i < prices.length; i++){ //从第一个开始进行遍历
if(prices[i] - prices[i - 1] > 0){ //如果当前价格高于前面一个价格
profile += prices[i] - prices[i - 1]; //收益增加为两者之差
}
}
return profile;
};
console.log(maxProfit([7,1,5,3,6,4]));
/**股票最大收益,可以多次买卖一质股票
*动态规划,使用dp数组
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function(prices) {
if(prices.length < 2){ //长度小于2返回0
return 0;
}
let dp = []; //必须初始化
for(let i = 0; i < prices.length; i++){
dp[i] = new Array(2); //这里必须将dp数组中每一项初始化为数组,否则后面的dp[i][0]报错。因为数组有下标
}
//dp为二维数组,dp[i][0/1]为0/1,表示现金/股票时的收益
dp[0][0] = 0; //必须初始化数组每一个项之后再用,初始化为0
dp[0][1] = -prices[0];//如果第一个买了股票,收益为负
for(let i = 1; i < prices.length; i++){
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]); //表示第i天持有现金时的收益,现金——>现金,股票-->现金
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]); //表示第i天持有股票时的收益,现金——>股票,股票-->股票
}
return dp[prices.length - 1][0];
};
console.log(maxProfit([7,1,5,3,6,4]));
百里于2020年5月4日
如果有错,请您指出!如有侵权,请联系我删除!