题目链接:
题目1:
这里就不做过多分析了,简单的原则取 i < j 中的 max( a[j] - a[i] ),记住 i 一定要小于 j 。
题目1代码
def maxProfit(self, prices): """ :type prices: List[int] :rtype: int """ l = len(prices) if l == 0: return 0 dp = 0 # 初始值为0 minprice = prices[0] # 最小值先默认为第一天 for i in range(1, l): dp = max(dp, prices[i] - minprice) # 用目前已知最优的结果和新的结果比较 minprice = min(prices[i], minprice) # 同时更新最小值 return dp
题目2:
在分析时要把握住关键字眼:“你可以尽可能地完成更多的交易(多次买卖一支股票) ”这是题目里的原话,这意味着我今天卖出这只股票,还可以再买入这只股票比如 1, 2, 3:第一天买入,第二天卖出,收入为1,然后第二天再买入,第三天再卖出,收入为1,累计收入为2。等同于第一天买入,第三天卖出。有的人会在纠结如何找到第一天和第三天,这样很费事的。直白的说:有利润就交易。
题目2代码:解法1
def maxProfit(self, prices): """ :type prices: List[int] :rtype: int """ max = 0 for i in range(len(prices) - 1): j = i + 1 d = prices[j] - prices[i] if d > 0: max += d #有利润就卖 return max
题目2代码:解法2
# 解法二 # 动态规划的角度来考虑问题 l = len(prices) if l == 0: return 0 dp = [0] * l dp[0] = 0 for i in range(1, l): dp[i] = max(dp[i-1], dp[i-1] + prices[i] - prices[i-1]) return dp[l-1]
解法2效率没有解法1高,但能更本质的看问题,这在 123 买股票的最佳时机 3 题中得到体现