JavaScript买卖股票的最佳时机2（一支股票可以多次买卖）

目录

1 题目描述

2 输入输出

3 解答

1）暴力搜素法

2）贪心算法

3） 动态规划 ---dp数组

---

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]));

参考：GitHub、力扣

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！