目录
题目链接
https://leetcode.com/problems/best-time-to-buy-and-sell-stock-ii/
题目描述
给定价格数组prices,prices[i]表示一支给定股票第i天的价格。你可以多次买卖这支股票(卖掉手里的股票后才能再次购买),设计算法来计算能够获得的最大利润。
示例
输入:[7,1,5,3,6,4]
输出:7
在第二天买入,第三天卖出可得利润4,然后在第四天买入,第五天卖出,得到利润3。总利润为7。
解题思路
此题为【leetcode-Python】-Dynamic Programming -121. Best Time to Buy and Sell Stock题目的扩展,不限制交易次数。此题仍然可以用动态规划方法求解。将当前天数、当前是否持股定义为状态。选择仍然包含三种:买入、卖出、无操作。i从0开始计数,令dp[i][0]表示第i天结束后不持股手中的最大现金数,dp[i][1]表示第i天结束后仍然持股手中的最大现金数。
因此考虑第i天和第i-1天的关系,dp[i][0]有两种可能:
(1)第i-1天仍然持股,第i天卖出。这种情况下dp[i][0] = dp[i-1][1] + prices[i]。
(2)第i-1天不持股,第i天无操作。这种情况下dp[i][0] = dp[i-1][0]。
dp[i][0]将取这两种可能中的最大值。
dp[i][1]也有两种可能:
(1)第i-1天仍然持股,第i天无操作。此时dp[i][1] = dp[i-1][1]。
(2)第i-1天不持股,第i天买入。此时dp[i][1] = dp[i-1][0]-prices[i]。(注意如果有只能交易1次的约束,这种情况dp[i][1] = -prices[i]。但是由于可以多次交易,要从第i-1天手里的钱减去第i天买入股票要花的钱)
dp[i][1]将取这两种可能中的最大值。
base case:dp[0][0]表示第0天不持股,那么有dp[0][0] = 0,dp[0][1]表示第0天持股,那么有dp[0][1] = -prices[0],即在第0天买入。
Python实现
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0 for _ in range(2)] for _ in range(len(prices))]
dp[0][1] = -prices[0]
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]
时间复杂度与空间复杂度
时间复杂度为O(N),空间复杂度为O(N)。
Python实现·优化空间复杂度
空间复杂度可以进一步优化,由于dp[i][0],dp[i][1]的计算仅与dp[i-1][0],dp[i-1][1]和当前的价格prices[i]有关,因此可以用两个变量来存储dp[i][0]和dp[i][1]。
需要注意的是,由于dp_0先于dp_1更新,应该在更新第i天的dp_0(dp[i][0])之前需要先用一个局部变量存储第i-1天的dp_0(dp[i-1][0]),不然在更新dp_1(dp[i][1])时直接用更新后的dp_0会出错。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp_0,dp_1 = 0,-prices[0] #初始化定义第1天不持股、第1天持股两种情况下手中的钱。
for i in range(1,len(prices)):
tmp = dp_0
dp_0 = max(dp_0,dp_1 + prices[i])
dp_1 = max(dp_1,tmp - prices[i])
return dp_0
时间复杂度与空间复杂度
时间复杂度为O(N),空间复杂度为O(1)。
解题思路二·贪心算法
和动态规划、回溯一样,贪心算法在解决问题时也是分步决策。贪心算法指的是,在对问题求解时,每一步做出当时看起来最佳的选择,即做出局部最优解。但贪心算法并不能够保证得到全局最优。
如果第0天买入,第3天卖出,那么得到的利润为prices[3]-prices[0],等价于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。因此第0天买入,第3天卖出的整体利润可以分配到各天的价格差中。
如对于给定的股票价格序列[1,7,1,5,10]可以得到价格差序列[6,-6,4,5]。
如果交易次数可以无限多,那么要想使利润最大,贪心策略可以是“只收集正利润”,即如果当天的价格大于前一天的价格,就在前一天买入,在当前天卖出,并把价格差加入到总利润里。局部最优值就是每天的正利润,正利润相加得到的就是全局最多利润。
需要注意的是,在这个问题中,贪心算法只能用于计算最大利润,计算的过程并不是实际的交易过程。比如即使需要将4和5相加,但是表示的是从第2天买入(从0开始计天数,价格为1),第4天卖出(价格为10)。
Python实现
class Solution:
def maxProfit(self, prices: List[int]) -> int:
result = 0
for i in range(1,len(prices)):
if (prices[i]>prices[i-1]):
result += (prices[i]-prices[i-1])
return result
时间复杂度与空间复杂度
时间复杂度为O(N),空间复杂度为O(1)。