121. 买卖股票的最佳时机
方法1: 暴力解法
两层for循环找最大间距
方法2: 贪心
思路:
- 因为股票就买卖一次,那么贪心的想法很自然就是取最左最小值,取最右最大值,那么得到的差值就是最大利润。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
#贪心
temp = float('inf')
res = float('-inf')
for i in range(len(prices)):
temp = min(temp, prices[i])
res = max(res, prices[i]-temp)
return res
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
if len(prices)<=1:
return 0
else:
minTemp = prices[0]
maxProfit = float('-inf')
for price in prices:
if price < minTemp:
minTemp = price
if price-minTemp > maxProfit:
maxProfit = price-minTemp
return maxProfit
方法3: 动态规划
五部曲:
1. 确定dp数组以及下标的含义:
每一天 i 都有两种状态,持有股票和不持有股票,dp[i][0]表示第i天持有股票的最多现 金,dp[i][1]表示第i天不持有股票的最多现金,所以 dp数组是二维的。最终是要找到 不持有股票时现金的最大值
2. 确定递推公式:
如果第i天持有股票即dp[i][0], 那么可以由两个状态推出来:
1)第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即: dp[i - 1][0]
2)第i天买入股票,所得现金就是买入今天的股票后所得现金即:-prices[i]
那么dp[i][0]应该选所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
#(注意: 一开始现金是0,第i天买入股票此时现金就是 -prices[i], 这是一个负数。)
如果第i天不持有股票即dp[i][1], 也可以由两个状态推出来:
1)第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1][1]
2)第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金
即:prices[i] + dp[i - 1][0]
同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
3. dp数组如何初始化:
由递推公式
dp[i][0] = max(dp[i - 1][0], -prices[i])
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
可以看出其基础都是要从dp[0][0]和dp[0][1]推导出来。
那么dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能由 前一天推出来,所以dp[0][0] = -prices[0];
dp[0][1]表示第0天不持有股票,不持有股票那么现金就是0,所以dp[0][1] = 0;
4. 确定遍历顺序:
从递推公式可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
5. 打印检查
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0]*2 for _ in range(len(prices))]
print(dp)
if len(prices) == 0:
return 0
dp[0][0] = -prices[0]
dp[0][1] = 0
for i in range(1, len(prices)):
dp[i][0] = max(dp[i-1][0], -prices[i])
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
return dp[-1][1]
122.买卖股票的最佳时机II
这道题每天都可以进行买卖(多次买卖);而#121只能买卖一次且不能在同一天。
注意只有一只股票,所以再次购买前要出售掉之前的股票。
在动规五部曲中,这个区别主要是体现在递推公式上,其他都和#121是一样的
递推公式:
- 这里重申一下dp数组的含义:
- dp[i][0] 表示第i天持有股票所得现金。
- dp[i][1] 表示第i天不持有股票所得最多现金
- 如果第i天持有股票即dp[i][0], 那么可以由两个状态推出来:
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i - 1][0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:dp[i - 1][1] - prices[i] (这里是与#121不同的地方,因为本题一只股票可以买卖多次,所以当第i天买入股票的时候,所持有的现金可能有之前买卖过的利润。那么为什么#121就是 -prices[i]? 因为#121股票全程只能买卖一次,所以如果买入股票,那么第i天持有股票即dp[i][0]一定就是 -prices[i])
- 如果第i天不持有股票即dp[i][1], 依然可以由两个状态推出来:
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金即:prices[i] + dp[i - 1][0]
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0]*2 for _ in range(len(prices))]
print(dp)
dp[0][0] = -prices[0]
dp[0][1] = 0
for i in range(1, len(prices)):
dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i]) #与#121不同的地方
dp[i][1] = max(dp[i-1][1], prices[i]+dp[i-1][0])
return dp[-1][1]
需要养成习惯,遇到问题即使知道是很小的问题也要打日志debug,习惯性的就会对比题解,然后改了就ac了。