买卖股票的最佳时机(一):
本题是获取最大利润;利用动态规划求解,自底向上,找出从以前到今天可以获取的最大利润;因此最后一天的就是最大利润;
状态
每天有三种选择,买入,卖出,什么也不做;
每天的状态有两种,今天有股票,今天没有股票;
因此状态是一个二维数组:第一维的状态表示第几天,第二维表示今天是否有股票
状态转移方程:
d p [ i ] [ 0 ] dp[i][0] dp[i][0]=max( d p [ i − 1 ] [ 0 ] dp[i - 1][0] dp[i−1][0], d p [ i − 1 ] [ 1 ] dp[i - 1][1] dp[i−1][1]+ p r i c e s [ i ] prices[i] prices[i])
第i天没有股票时候,前一天可能没有股票,前一天也可能有股票(今天卖出) ,两者的最大值即是当前状态;
d p [ i ] [ 1 ] dp[i][1] dp[i][1]=max( d p [ i − 1 ] [ 1 ] dp[i - 1][1] dp[i−1][1], − p r i c e s [ i ] -prices[i] −prices[i])
第i天有股票的时候,可能是昨天有股票,也可能是今昨天没有股票,今天买入股票;求两种情况的最大值;
初始化:
第一天时候,
d p [ i ] [ 0 ] dp[i][0] dp[i][0] = 0
d p [ i ] [ 1 ] dp[i][1] dp[i][1] = -prices[i]
返回值:
最后一天没有股票时候的值,即是最大利润;
代码如下:
class Solution:
def maxProfit(self, prices):
if len(prices) == 0:
return 0
dp = [[None] * 2 for i in range(len(prices))]
#初始化
dp[0][0] = 0
dp[0][1] = -prices[0]
#写循环
for i in range(len(prices)):
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])
dp[i][1] = max(dp[i - 1][1], - prices[i])
return dp[len(prices)-1][0]
买卖股票的最佳时机(二):
本题与上一题不同之处在于可以无限次买入和卖出股票,但是在新一次买入的时候,之前的股票必须卖出;
因此每天的状态依旧有两种:有股票,没有股票。不可能一天持有两张股票!
状态转移方程的改变:
d p [ i ] [ 0 ] dp[i][0] dp[i][0]=max( d p [ i − 1 ] [ 0 ] dp[i - 1][0] dp[i−1][0], d p [ i − 1 ] [ 1 ] dp[i - 1][1] dp[i−1][1]+ p r i c e s [ i ] prices[i] prices[i])
第i天没有股票时候,前一天可能没有股票,前一天也可能有股票(今天卖出) ,两者的最大值即是当前状态;
d p [ i ] [ 1 ] dp[i][1] dp[i][1]=max( d p [ i − 1 ] [ 1 ] dp[i - 1][1] dp[i−1][1], d p [ i − 1 ] [ 0 ] dp[i - 1][0] dp[i−1][0] − p r i c e s [ i ] -prices[i] −prices[i])
第i天有股票的时候,可能是昨天有股票,也可能是今昨天没有股票,今天买入股票;(不可能是昨天有股票,今天继续买入股票;因为每次买入卖出股票必须完成之后,才可能下次买入);求两种情况的最大值;
代码如下:
class Solution:
def maxProfit(self, prices):
if len(prices) == 0:
return 0
dp = [[None] * 2 for i in range(len(prices))]
#初始化
dp[0][0] = 0
dp[0][1] = -prices[0]
#写循环
for i in range(1,len(prices)):
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])
return dp[len(prices) - 1][0]