代码随想录算法训练营day49 | 121. 买卖股票的最佳时机，122.买卖股票的最佳时机II

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。