122. 买卖股票的最佳时机 II

122. 买卖股票的最佳时机 II

难度:简单🌟🌟


给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。

注意,你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
     因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

提示:

  • 1 <= prices.length <= 3 * 10 ^ 4
  • 0 <= prices[i] <= 10 ^ 4

题解:

动态规划

考虑到 不能同时参与多笔交易 ,因此每天交易结束后只可能存在手里有一支股票或者没有股票的状态

  • 定义状态 d p [ i ] [ 0 ] dp[i][0] dp[i][0] 表示第 i i i 天交易完后手里没有股票的最大利润
  • 定义状态 d p [ i ] [ 1 ] dp[i][1] dp[i][1] 表示第 i i i 天交易完后手里持有一支股票的最大利润( i i i 0 0 0 开始)

首先考虑 d p [ i ] [ 0 ] dp[i][0] dp[i][0] 的转移方程

  1. 第一种情况可能是前一天本来就没有股票转移过来,即什么也没干
  2. 第二种情况可能是前一天持有股票转移过来,即卖出股票

所以转移方程: d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 1 ] + p r i c e s [ i ] ) dp[i][0]=max(dp[i−1][0],dp[i−1][1]+prices[i]) dp[i][0]=max(dp[i1][0],dp[i1][1]+prices[i])

再考虑 d p [ i ] [ 1 ] dp[i][1] dp[i][1] 的转移方程

  1. 第一种情况是前一天没有股票转移过来,即购买了股票
  2. 第二种情况是前一天持有股票转移过来,即什么也没干

所以转移方程: d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 0 ] − p r i c e [ i ] ) dp[i][1]=max(dp[i-1][1],dp[i-1][0]-price[i]) dp[i][1]=max(dp[i1][1],dp[i1][0]price[i])

初始化:

根据状态定义我们可以知道第 0 0 0 天交易结束的时候 d p [ 0 ] [ 0 ] = 0 dp[0][0]=0 dp[0][0]=0 d p [ 0 ] [ 1 ] = − p r i c e s [ 0 ] dp[0][1]=−prices[0] dp[0][1]=prices[0]

因此,我们只要从前往后依次计算状态即可。由于全部交易结束后,持有股票的收益一定低于不持有股票的收益,因此这时候 d p [ n − 1 ] [ 0 ] dp[n−1][0] dp[n1][0] 的收益必然是大于 d p [ n − 1 ] [ 1 ] dp[n−1][1] dp[n1][1] 的,最后的答案即为 d p [ n − 1 ] [ 0 ] dp[n−1][0] dp[n1][0]

c++

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n=prices.size();
        int dp[n][2];
        dp[0][0]=0;
        dp[0][1]=-prices[0];
        for(int i=1;i<n;i++)
        {
            dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i]);
            dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i]);
        }

        return dp[n-1][0];
    }
};

python

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        dp = [([0]*2) for _ in range(n)]
        
        dp[0][0] = 0
        dp[0][1] = -prices[0]

        for i in range(1,n):
            dp[i][0] = max(dp[i-1][0],dp[i-1][1] + prices[i])
            dp[i][1] = max(dp[i-1][1],dp[i-1][0] - prices[i])

        return dp[n-1][0]

参考:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值