Leetcode-初级算法系列-数组-买卖股票的最佳时机 II

买卖股票的最佳时机

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 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 。

动态规划思路

每天只会有两个状态，持有股票和未持有股票。用newdp0表示当天未持有股票，newdp1表示当天持有股票。

对于当天持有股票newdp1，有两种情况：
1. 前一天未持有股票，则当天利润为前一天利润减去单价。即 newdp1 = olddp0 - price[i] (第i天）。
2. 前一天持有股票，则当天利润等于前一天利润。即 newdp1 = olddp1;

对于当天未持有股票newdp0,同样有两种情况。
1.前一天持有。即newdp0 = olddp1 + price[i];
2.前一天未持有。 即newdp0 = olddp0;

故状态转移方程为：
newdp0 = max(olddp1+price[i] , olddp0);
newdp1 = max(olddp0-price[i] , olddp1);

最后利润:最大利润肯定会在最后一天卖出股票，故为newdp0;

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        int dp0 = 0, dp1 = -prices[0];
        for(int i = 1 ; i < n ; i ++){
            int newdp0 = max(dp0 , dp1 + prices[i]);
            int newdp1 = max(dp0-prices[i] , dp1);

            dp0 = newdp0;
            dp1 = newdp1;
        }
        return dp0;
    }
};

复杂度分析

时间复杂度： O(n),n为数组长度，一共有2n个状态，每次状态转移的时间复杂度为O(1),因此时间复杂度为O(2n) = O(n);
空间复杂度：O(1)，只开辟了常数的空间。

贪心思路

由于股票购买没有限制，所以我们可以把题目理解为寻找若干个不相交的区间 [l,r]，使得所有区间的price[r] - price[l]的值之和最大。

进一步，可以理解为将数组划分为长度为1的区间，选择其中price价格差为正的区间，即 max += max(0,price[i] - price[i-1]).（虽然实际的交易次数不是每天进行交易，但是利润可以这么计算)。

代码

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

复杂度分析

时间复杂度： O(n)，n为数组长度。
空间复杂度:O(1) 只需要常数空间