题目描述如上。不难想见要用动态规划的思想,这里的约束条件在于手中最多持有一支股票。
交易状态:手里一支股票 /手里没有股票。
因此定义状态:
dp[i][0]为第i天交易完后手中没有股票的最大利润
dp[i][1]表示第i天交易完后手里有一支股票的最大利润
转移方程:
dp[i][0]=max{dp[i-1][0],dp[i-1][1]+price[i]}
即第i天交易完后手里没有股票,那这种情况转移状态为前一天已经没有股票,即dp[i-1][0],或者前一天有但卖出,所以加上第i天的价格price[i]。
再考虑dp[i][1]
dp[i][1]=max{dp[i-1][1],dp[i-1][0]-price[i]}
第i天交易完后手中有股票,那可能是前一天持有股票,或者前一天没有,那在第i天购入了,所以要减去这个譬如price[i]。
我们可以知道初始状态dp[0][0]=0,dp[0][1]=-price[0],
然后需要知道什么时候得最大收益,那计算利润的时候,一定手上没有股票是大于手上有股票的,也就是把钱提现了,所以dp[n-1][1]的收益一定是小于dp[n-1][0]的
代码如下:
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = (int)prices.size();
if (n == 0) // 边界情况处理
return 0;
int dp[n][2];
dp[0][0] = 0; // 第一天不持有股票,利润为0
dp[0][1] = -prices[0]; // 第一天持有股票,利润为负的第一天股票价格
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]); // 当天不持有股票的最大利润,可能是前一天也不持有或者前一天持有今天卖出
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]); // 当天持有股票的最大利润,可能是前一天也持有或者前一天不持有今天买入
}
return dp[n - 1][0]; // 返回最后一天不持有股票的最大利润
}
};
int main() {
Solution solution;
vector<int> prices = {7, 1, 5, 3, 6, 4}; // 示例股票价格向量
int max_profit = solution.maxProfit(prices); // 调用 maxProfit 方法计算最大利润
cout << "Max Profit: " << max_profit << endl; // 输出最大利润
return 0;
}