前言
我本以为是做一道题,没想到却是六道题。既然大佬都诚心诚意写了题解了,我偷学一下也未尝不可。代码均用 python3 实现,没有优化,因为这只会让代码的可读性大大降低。
不得不说,动态规划,真是玄之又玄。
文章目录
121、买卖股票的最佳时机
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例: 输入:[7,1,5,3,6,4] 输出:5 解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。 注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。 输入:prices = [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 <= 10^5
- 0 <= prices[i] <= 10^4
dp[i][0]
表示在第 i 天,手上没有股票的收益, dp[i][1]
表示在第 i 天手上有股票的收益。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
m = len(prices)
dp = [[0] * 2 for i in range(m)]
# 第 0 天不买,即 dp[0][0] = 0
# 第 0 天买了,即 dp[0][1] = -prices[0]
dp[0][1] = -prices[0]
for i in range(1, m):
# 第 i 天手上没股票的收益是第 i-1 天手上没股票的收益和
# 第 i-1 天有股票但是第 i 天卖了的收益的最大值
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])
# 第 i 天手上有股票的收益是第 i-1 天手上有股票的收益和
# 第 i-1 天没股票但是第 i 天买了的收益的最大值
# 因为只能买卖一次,所以第 i-1 天没股票的收益一定是 0 ,可以不写
dp[i][1] = max(dp[i - 1][1], -prices[i])
return dp[m - 1][0]
122、买卖股票的最佳时机Ⅱ
给定一个数组 prices ,其中 prices[i] 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: 输入: prices = [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 。 输入: prices = [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。 输入: prices = [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
class Solution:
def maxProfit(self, prices: List[int]) -> int:
m = len(prices)
dp = [[0] * 2 for i in range(m)]
# 第 0 天不买,即 dp[0][0] = 0
# 第 0 天买了,即 dp[0][1] = -prices[0]
dp[0][1] = -prices[0]
for i in range(1, m):
# 第 i 天手上没股票的收益是第 i-1 天手上没股票的收益和
# 第 i-1 天有股票但是第 i 天卖了的收益的最大值
dp[i][0] = max(dp[i - 1]