题目:
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] <= 104
解题思路
SOS!!!当我还在苦苦建状态方程的时候,大佬们已经贪心秒了
方法一 : DP => 空间换时间
方法二 : 贪心 => 这把够贪心的,真的
1. 动态规划 AC
时间复杂度O(N) 空间复杂度O(N)
首先我们思考几个问题?
如何计算最大利益?
???
每天存在的行为是什么?
- 出售
- 买入
- 不操作
-
状态定义
状态dp[i][j]中,i表示i天时的状态,j表示当天持股状态。为什么需要持股状态?因为需要执行不同的行为。
-
状态转移方程
-
j=1时表示当天没有持股,则状态选择继续不持股和卖股:dp[i][0]=max{dp[i−1][0],dp[i−1][1]+prices[i]}
-
j=0时表示当天持股 ,则状态选择继续持股和买股,dp[i][1]=max{dp[i−1][1],dp[i−1][0]−prices[i]}
因此,我们只要从前往后依次计算状态即可。由于全部交易结束后,持有股票的收益一定低于不持有股票的收益。
-
-
确定初始值
- dp[0][1] = 0
- dp[0][0] = -prices[i]
-
确定输出
dp[len - 1][0]
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
dp = [[0] * 2 for _ in range(n)]
dp[0][0] = -prices[0]
for i in range(1, n):
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[n - 1][1]
2.贪心算法
既然要获得最大利益,也就是说要做到全盈利无亏损 == 只要昨天买入今天卖出有盈利就加入总利息,如果亏损就跳过(永不亏钱)
够贪心的…
class Solution:
def maxProfit(self, prices: List[int]) -> int:
l = len(prices)
p = 0
for i in range(1,l):
p += max(0,prices[i]-prices[i-1])
return p