20200710：动态规划复习day03

动态规划复习day03

今天来看股票问题1

题目一：买卖股票的最佳时机

解题思路

首先我们想到的不是动态规划的解法，是一个常规思路：找到后面与当前值的差值最大的那个值，即为我们需要找的卖出的day。因此贴出代码如下：

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0)
            return 0;
        int max = 0;
        int min = prices[0];
        for(int i=1;i<prices.length;i++){
            min = Math.min(min,prices[i]);
            max = Math.max(max,prices[i]-min);
        }
        return max;
    }
}

这不是我们想要的结果，我们需要通用的动态规划解法。

以此继续使用我们之前用的办法：找到dp数组的含义，直接看不出来，没关系，我们按照框架走：

第一步找到状态和选择：状态也就是股票的价格，选择为股票的买卖与否。

第二步找到dp之间的关系：我们假设dp [i] [0] 为股票在第i天我手上没股票时的利润，dp [i] [1]为股票在第i天手上有股票的利润。

第三步找到他们之间的转移关系，也就是状态转移方程。在此之前先确认我们最终要求的目标，是股票卖出之后的最大值：dp [i] [1]中的最大值。而转移关系也很明确，

1. ​ dp [i] [1] = max (dp[i-1] [1],0-prices[i]);

   今天手里有股票的利润：要么我昨天手里就已经有股票了，今天啥都没干；要么昨天没股票，我今天买了一股。

2. ​ dp [i] [0] = max(dp [i-1] [0],dp[i-1] [1] + price[i]);

   今天手里没股票的利润：要么昨天我就没股票，我今天啥也没干；要么昨天我有股票，今天我卖了。

如此即可完成代码如下：

代码实现

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0)
            return 0;
        int[][] dp = new int[prices.length][2];

        // base case
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
		
        // dp转移过程
        for (int i = 1; i < prices.length; i++) {
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
            dp[i][1] = Math.max(dp[i-1][1],-prices[i]);
        }

        return (dp[prices.length - 1][0] <= 0) ? 0 : dp[prices.length-1][0];
    }
}

如此更加理解本题的思路过程，而不是简单的列举最大最小值。明天继续写后续的几道进阶题，加油！