序言:
在数据结构与算法中的动态规划部分,买卖股票系列题目多,题解相似,值得对比总结一下。希望小伙伴们在看过这篇文章之后,可以对动态规划系列有一个清晰的认识,那么我们开始吧。
【注】本文部分参考于{代码随想录}公众号,想看详细解说的可以移步。
Leedcode121.买卖股票的最佳时机
问题描述:
股票只能买卖一次,求最大利润
解题思路:
dp[i][0] 表示第i天持有股票所剩得现金。(负的,即花了多少钱)
dp[i][1] 表示第i天不持有股票所得现金。
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:
(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] 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
(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] 所以dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp=[[0]*2 for i in range(len(prices))]
dp[0][0]=-prices[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],dp[i-1][0]+prices[i])
return dp[-1][1]
Leedcode122.买卖股票的最佳时机II
问题描述
可以多次买卖股票,问最大收益。
解题思路
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
(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]。【注意】这里是和上一题(121.买卖股票的最佳时机)唯一不同的地方
在上一题中,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。
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] 所以dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp=[[0]*2 for i in range(len(prices))]
dp[0][0]=-prices[0]
for i in range(1