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

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

1. 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

2. 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

3. 初始化dp数组

   默认初始化即可

4. 遍历顺序的确定

   正序遍历即可

5. 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

2. 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

3. 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

4. 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

5. 遍历顺序的确定

   正序遍历即可

6. 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

1. 确定dp数组及其下标含义

   dp[i]：表示第i天的最大金额

2. 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

3. 初始化dp数组

   默认初始化

4. 遍历顺序的确定

   正序即可

5. 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];
    }
}