动态规划之股票问题122

股票问题作为动态规划里十分经典的题目，也有着一些难度，在这里，我试图给出一套股票问题的模板。

使用这套模板，打到资本主义的压榨。

121. 买卖股票的最佳时机
122. 买卖股票的最佳时机 II
123. 买卖股票的最佳时机 III
188. 买卖股票的最佳时机 IV
309. 最佳买卖股票时机含冷冻期
714. 买卖股票的最佳时机含手续费

问题描述：

给定一个数组，它的第 i 个元素是一支给定股票第 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）。

 

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

示例：

输入: [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 。

分析：

和121不同的地方是，不限制购买次数，那么只要股票上涨，我们就卖出不就完事了吗？（贪心策略）的确如此，可行。

但是既然提到了 dp，那肯定就是用dp的方法了。

和上一题一样，卖出之前要有买入，但是不同的是，存在多次交易，所以需要把每天交易结束后的收益存下来。

设 dp0[n] 为第 n 天结束后的手中没有股票的收益

设 dp1[n] 为第 n 天结束后手中有股票的收益

对于 dp0[i] ，他总是和 dp1[i-1] 有关的；对于 dp1[0]，他总是和 dp0[i-1] 有关的。

得到dp方程

• dp0[i] = max(dp0[i], dp1[i-1] + price[i])
• dp1[i] = max(dp1[i], dp0[i-1] - price[i])

上代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        dp0 = [0] *n  # 手中没有股票
        dp1 = [0] * n  # 手中有股票
        dp1[0] = -prices[0]
        for i in range(1, n):
            dp0[i] = max(dp0[i-1], dp1[i-1]+prices[i])
            dp1[i] = max(dp1[i-1], dp0[i-1]-prices[i])
        return dp0[-1]