给你一个整数数组
prices
,其中prices[i]
表示某支股票第i
天的价格。在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
输入:prices = [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 。 总利润为 4 + 3 = 7 。
示例 2:
输入:prices = [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 。 总利润为 4 。
示例 3:
输入:prices = [7,6,4,3,1] 输出:0 解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
提示:
1 <= prices.length <= 3 * 104
0 <= prices[i] <= 10^4
解题思路:
这道题是一道动态规划问题,我们想象,在某一天i,只可能出现两种情况,一种就是持有股票,一种是不持有股票,两种情况受前一天的情况影响。
- 如果想知道第i天持有股票的情况下的最大利润,它涉及到第i-1天的两种情况(第i-1天持有股票,第i-1天不持有股票,在第i天买入股票);
- 如果想知道第i天不持有股票的情况下的最大利润,它涉及到第i-1天的两种情况(第i-1天不持有股票,第i-1天持有股票,在第i天卖出股票);
这样不断保证在计算第i天的最大利润的时候,保证第i-1天的两种情况(持有股票和不持有股票)利润最大就可以了,这就得到了这道动态规划的转移方程。设二维数组dp[pricesSize][2]用于保存每天两种状态的最大利润,dp[i][0]则表示第i天不持有股票的最大利润,dp[i][1]表示第i天持有股票的最大利润,于是初始化第0天的两个状态,dp[0][0]为0,表示第0天不持有股票即不买入,dp[0][1]=-prices[0]第0天持有股票即买入股票。状态转移方程则为:
- 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]}
只要保证在前一天的利润最大,再返回最后一天不持有股票的利润即是最大利润,因为最后一天持有股票一定会股票成本不计算为利润,所以最大利润一定是不持有股票的情况。
代码(C语言):
int maxProfit(int* prices, int pricesSize) {
int dp[pricesSize][2];
dp[0][0] = 0;
dp[0][1] = -prices[0];
for(int i=1;i<pricesSize;i++){
dp[i][0] = fmax(dp[i-1][0],dp[i-1][1] + prices[i]);
dp[i][1] = fmax(dp[i-1][1],dp[i-1][0] - prices[i]);
}
return dp[pricesSize-1][0];
}