代码随想录系列文章目录
动态规划篇 —— 股票问题
121. 买卖股票的最佳时机
题目链接
首先暴力解,维护两个指针i, j 找到差值最大的 时间复杂度O(n2)
其次我们可以维护一个最小左值,记录一下最小的,所以只用一个遍历就行 复杂度O(n)
class Solution:
def maxProfit(self, prices: List[int]) -> int:
low = float("inf")
result = 0
for i in range(len(prices)):
low = min(low, prices[i]) #取最左最小价格
result = max(result, prices[i] - low) #直接取最大区间利润
return result
dp
1.状态定义
每一天有两种状态,持有股票和不持有股票;所以 dp数组是二维的
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
2.状态转移
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]);
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
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]
同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
3.base case
我们需要初始化dp[0][0], 和dp[0][1]
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,因为不可能有前一天推出来,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.遍历顺序及解的所在
遍历顺序就是正序,解的所在呢?不持有股票所拥有的现金一定比持有股票拥有的现金多所以在dp[len-1][1]
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0] * 2 for _ in range(len(prices))]
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]) #持有
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]) #第i天不持有
return dp[len(prices)-1][1]
举例推导dp数组
以示例1,输入:[7,1,5,3,6,4]为例,dp数组状态如下:
122.买卖股票的最佳时机II
题目链接
最基础的买卖股票只能买卖一次,这道题是任何时候只能最多持有一股,但是不限制买卖次数
贪心解法
会拆分利润,比如第1天买 第4天卖,其实可以拆成每一天买卖,我们只用收集每两天之间的正数差价就能找到最大值
def maxProfit(self, prices: List[int]) -> int:
pre, cnt = prices[0], 0
for i in range(1,len(prices)):
if prices[i] - pre >= 0: cnt += prices[i] - pre
pre = prices[i]
return cnt
dp
本题和121. 买卖股票的最佳时机, 的唯一区别本题股票可以买卖多次了(注意只有一只股票,所以再次购买前要出售掉之前的股票)
刚刚做买卖股票的最佳时机的时候就在想,为什么dp[i][0] = max(dp[i-1][0], -prices[i])
因为 上道题中 只能买卖一次股票
在这道题中,递推公式的区别就在这,因为可以买卖多次股票,因此第i天持有股票所有的最大现金应该是dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
解释:
在121中因为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]。
而本题,因为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。
那么第i天持有股票即dp[i][0],如果是第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]。
在来看看如果第i天不持有股票即dp[i][1]的情况, 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]
def maxProfit(self, prices: List[int]) -> int:
dp = [[0] * 2 for _ in range(len(prices))]
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]) #持有
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]) #第i天不持有
return dp[len(prices)-1][1]