- 题目:
给定一个数组 prices ,其中 prices[i] 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)。 - 实例:
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 。
- 思路:
经典的动态规划,假设dp动态数组dp[i][k][0/1]
,为第i
天进行了k
次交易(出售)0/1
(持有或者未持有),所得得最大利润。那么,得到递推式:dp[i][k][0] = Max(dp[i-1][k][0], dp[i-1][k][1]) + prices[i], dp[i][k][1] = Max(dp[i-1][k][1], dp[i][k-1][0] - prices[i])
。那么遍历所有得情况后,得到得dp[n][k][0]
则是,进行k
次交易后能拿到得最终利润。base caes
:因为这里不论k的次数,也就是k==∞
所以可以把k
去掉,那么dp[0][0] = Max(dp[-1][0], dp[-1][1] + prices[0]), dp[0][1] = Max(dp[-1][1], dp[-1][0] - prices[0])
,容易知道:dp[-1][0] = 0, dp[-1][1] = ∞
,从而dp[0][0] = 0, dp[0][1] = -prices[0]
。 - 小结:
- 动态规划使用时,要定义合适的状态
- 注意
base case
- 一般求最的场景,优先考虑动态规划而不是回溯算法!
- 代码:
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) return 0;
int n = prices.length;
int[][] dp = new int[n][2];
for (int i = 0; i < n; i++) {
if (i-1 == -1) {
dp[i][0] = 0;
dp[i][1] = -prices[i];
continue;
}
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] - prices[i]);
}
return dp[n-1][0];
}
}