Day 49 动态规划
121. 买卖股票的最佳时机
贪心算法
取最左最小值,取最右最大值,那么得到的差值就是最大利润。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int lowest = INT_MAX, rst = 0;
for (int i = 0; i < prices.size(); i++)
{
lowest = min(lowest, prices[i]);
rst = max(rst, prices[i] - lowest);
}
return rst;
}
};
动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
dp[0][0] = -prices[0];
for (int i = 1; i < prices.size(); i++)
{
dp[i][0] = max(-prices[i], dp[i - 1][0]);
dp[i][1] = max(prices[i] + dp[i - 1][0], dp[i - 1][1]);
}
return dp[dp.size() - 1][1];
}
};
122. 买卖股票的最佳试剂II
贪心算法
如果想到其实最终利润是可以分解的,那么本题就很容易了!
如何分解呢?
假如第 0 天买入,第 3 天卖出,那么利润为:prices[3] - prices[0]。
相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。
此时就是把利润分解为每天为单位的维度,而不是从 0 天到第 3 天整体去考虑!
那么根据 prices 可以得到每天的利润序列:(prices[i] - prices[i - 1])…(prices[1] - prices[0])。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int profit = 0;
for (int i = 1; i < prices.size(); i++)
{
int diff = prices[i] - prices[i - 1];
if (diff > 0)
{
profit += diff;
}
}
return profit;
}
};
动态规划
大家可以本题和121. 买卖股票的最佳时机 (opens new window)的代码几乎一样,唯一的区别在:
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
这正是因为本题的股票可以买卖多次! 所以买入股票的时候,可能会有之前买卖的利润即:dp[i - 1][1]
,所以dp[i - 1][1] - prices[i]
。
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
dp[0][0] = -prices[0];
for (int i = 1; i < prices.size(); i++)
{
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]); // 注意这里是加号
}
return dp[prices.size() - 1][1];
}
};