题目很简单,就是给定一个数值,每个值代表每天的股价,如果最多交易一次的话(买入一次,卖出一次),求最大收益。这个生活中都知道,低入高出,必然可以得到高收益。
解题思路:设定初始化买入为第一天,记为最小,往后扫,记录如果卖出的话,最大收益为多少,并已之前的记录作比较。代码很简洁,如下:
int maxProfit(vector<int>& prices) {
int res=0;
int min1=0;
if(prices.size()>0)
min1=prices[0];
for(int price:prices){
min1=min(min1,price);
res=max(res,price-min1);
}
return res;
}
如果在保证买入之前必须卖出之前的股权的原则,你可以交易任意多次,求最大收益是多少。这其实只需要把上面的代码改改就行了。
解题思路:交易任意多次,那么每次上升,我们就买入,然后卖出,总收益一定最大。代码如下:
int maxProfit(vector<int>& prices) {
int res=0;
int min1=0;
if(prices.size()>0)
min1=prices[0];
for(int price:prices){
if(price-min1>0){
res+=price-min1;
min1=price;
}
min1=min(min1,price);
}
return res;
}
如果每次卖出之后,下一天都不能再交易,就是cooldown一天,求最大收益。
解题思路:依旧和之前的套路一样,使用动态规划来解这道题, 首先需要做的就是找到子问题,进行分解。其实我们知道, 最终的结果无法使最后是cooldown,buy,sell,这样,我们可以定义下面的数列:
buy[i]:表示在第i天以前,以buy结尾的所有序列所获得的最大收益。
sell[i]: 表示在第i天以前,以sell结尾的所有序列锁获得的最大收益。
cooldown[i]:表示在第i天以前,以cooldown结尾的所有序列所获得的最大收益。注明:这里的所有序列代表的是任意交易的各种情况,buy,sell,cooldown代表的是获得最大收益的最后一天的操作。
根据上面的假设,我们可以得到下面的等式:
buy[i] = max ( buy[i-1], cooldown[i-1] - price);
sell[i] = max ( buy[i-1] + price ,sell[i-1])
cooldown[i] = max (sell[i-1], buy[i-1], cooldown[i-1]);
如果按照上面的思路,我想写出代码来是没有问题的,不过是否还有某些可以优化的地方。buy一定在sell之前,cool一定在sell之后,为获取最大利益,buy<=sell,所以:
cooldown[i] = sell[i-1],所以化简为:
buy[i] = max(pre_buy, sell[i-2] - price);
sell[i] = max(pre_buy + price,sell[i-1]);
这样的话,我们的程序就变得简单了,另外这里对于pre_buy,还有pre_sell的初值的设定,可以假设size=1,实现代码如下:
int maxProfit(vector<int>& prices) {
int buy=INT_MIN,sell=0;
int pre_buy,pre_sell=0;
//cool[i] = sell[i-2]
for(int price:prices){
pre_buy = buy;
buy = max(pre_sell - price, pre_buy);
pre_sell = sell;
sell = max(pre_buy + price, pre_sell);
}
return sell;
}