代码随想录算法训练营第49天 || 121. 买卖股票的最佳时机 || 122.买卖股票的最佳时机II
121. 买卖股票的最佳时机
题目介绍
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 1:
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。
示例 2:
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。
个人思路
用一个变量记录最小值,遍历过程中刷新最小值,同时刷新dp数组 取前一个dp下标值 与 当前下标值减去最小值 中的最大值
动规五部曲
-
确定dp数组及其下标含义
int[] dp = new int[prices.length];
dp[i]:表示第0-i元素区间中能卖出的最大值
-
确定递归公式
min = Integer.min(min,prices[i-1]); dp[i] = Integer.max(dp[i-1],prices[i] - min);
取前一位与当前位卖出的最大值
-
初始化dp数组
默认初始化即可
-
遍历顺序的确定
正序遍历即可
-
打印dp数组检验
代码:
class Solution {
public int maxProfit(int[] prices) {
int min = Integer.MAX_VALUE;
int[] dp = new int[prices.length];
for (int i = 1; i < prices.length; i++) {
min = Integer.min(min,prices[i-1]);
dp[i] = Integer.max(dp[i-1],prices[i] - min);
}
return dp[dp.length-1];
}
}
题解解析
本题有暴力法、贪心法、动态规划法,其中动态规划才是这一类问题的通法,这里主要介绍动态规划法
其实题解的这个方法和我的写法差不多,只是把我的局部变量放入dp数组的二维当中
动规五部曲
-
确定dp数组及其下标含义
dp[i][0]
表示第i天持有股票的最大现金,也就是它在第i天及以前的某一天买了一张花费最少的股票dp[i][1]
表示第i天不持有股票的最大现金,也就是它在第i天及以前的某一天卖出了股票,注意这里对应的是卖出那天时,记录的历史买入最低的股票 -
确定递推公式
dp[i][0] = max(dp[i - 1][0], -prices[i]);
就是比较买哪张股票能剩下更多钱,即买那种最便宜的股票来记录dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
此时卖出出现过的最低股票的利润与昨天卖出的得到的利润比较 -
dp数组初始化
dp[0][0] -= prices[0];
买入第一张情况dp[0][1] = 0;
刚开始啥也没卖的情况下 -
遍历顺序的确定
正序遍历即可
-
打印dp数组
class Solution {
public int maxProfit(int[] prices) {
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < prices.length; i++) {
dp[i][0] = Integer.max(dp[i-1][0],-prices[i]);
dp[i][1] = Integer.max(dp[i-1][1],prices[i] + dp[i-1][0]);
}
return dp[dp.length-1][1];
}
}
**122.买卖股票的最佳时机II **
题目介绍
给你一个整数数组 prices
,其中 prices[i]
表示某支股票第 i
天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
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 。
总利润为 4 + 3 = 7 。
示例 2:
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 。
总利润为 4 。
示例 3:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
个人思路
动规五部曲
-
确定dp数组及其下标含义
dp[i]:表示第i天的最大金额
-
确定递推公式
dp[i] = Integer.max(dp[i - 1], prices[i] - prices[i - 1] + dp[i - 1]);
表示第i天卖出第i-1天买入的股票情况下,能否获利的选择
-
初始化dp数组
默认初始化
-
遍历顺序的确定
正序即可
-
打印dp数组检验
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[prices.length];
for (int i = 1; i < prices.length; i++)
dp[i] = Integer.max(dp[i - 1], prices[i] - prices[i - 1] + dp[i - 1]);
return dp[dp.length - 1];
}
}
严格意义上来说,这是贪心吧。。。看题解操作
题解解析
大致操作和上一题一致,因为是可以无限买卖,所以我们考虑改动代码实现多次购买的情况。
这里不同的是dp[i][0]
,这里表示的是第i天买入股票的情况,与上一题区别在于,那题每次表示的都是首次购买,即只买一次,而本题是支持多次购买的,意味着其中还包含之前的利润,那么我们可以改为昨天的利润-price,表示花钱买了这张股票。
dp[i][1]
表示当天不持有股票的最大金额,
- 如果i-1天不持有股票,这里保持原状,所得现金就是
do[i-1][1]
- 如果第i天卖出股票,所得就是按照今天股票价格卖出后所得的金额:prices[i] +
dp[i-1][0]
【卖出的钱+上一次买下股票剩下的钱】
dp[i][0] = Integer.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
这里的意思:
- 选择
dp[i - 1][0]
:表示没必要买当前这张股票,继续留着之前那张 - 选择另一个:表示上一张股票已经卖掉了,需要买一张新的,或者遇到了更合适(便宜)
代码上差别不大,意思天差地别
class Solution {
public int maxProfit(int[] prices) {
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];//表示第i天持有股票手握的钱
dp[0][1] = 0; //表示第i天手无股票赚的钱
for (int i = 1; i < prices.length; i++) {
dp[i][0] = Integer.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);//唯一改动
dp[i][1] = Integer.max(dp[i - 1][1], prices[i] + dp[i][0]);
}
return dp[prices.length - 1][1];
}
}