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。
如果你最多只允许完成一笔交易(即买入和卖出一支股票),设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。
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。
示例 2:
输入: [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。
解析:这一题比较简单,但是下一题就很难,但是这两道题又十分相似。
查看了别人的各种解析。发现所有的股票问题都可以理解为动态规划。
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/solution/yi-ge-fang-fa-tuan-mie-6-dao-gu-piao-wen-ti-by-l-3/
强烈推荐这篇文章,总结了所有股票问题的解法。
当然我写csdn的目的是记录做题过程,尝试自己去描述。
首先对于股票问题的所有状态,可以构建一个三维数组
dp[i][k][0 or 1]
其中i代表第几天 0 <= i <= n-1
k代表至多进行k次交易 1 <= k <= K
第三位0代表当前没有持有股票,1代表当前持有股票
而最终的答案,便是dp[n-1][k][0],即最后一天,至多进行k次交易,并且手中没有股票,此时的最大收入。
之后是状态转移方程。
对于导致状态转移的行为,一共有三种,卖出、买入、不买卖。
而对于不买卖又可以分为持有股票不卖出和不持有股票不买入。
因此一共是四种行为。下面是状态转移的情况。
针对状态转移图,写出状态转移方程。
首先如果今天我没有持有股票,有两种可能:
1、昨天我没有持有股票,并且今天我没有买入
2、昨天我持有股票,今天我卖了
而如果今天我持有股票,同样有两种可能:
1、昨天我持有股票,并且今天我没有卖出
2、昨天我没有持有股票,今天我选择买入。
于是得到状态转移方程
dp[i][k][0] = max(dp[i-1][k][0] , dp[i-1][k][1]+prices[i])
dp[i][k][1] = max(dp[i-1][k][1] , dp[i-1][k-1][0]-prices[i])
注意一次买入和卖出算一次交易,因此k-1可以选择在买入和卖出中的一条进行,且只能在一条中进行。
对于初始值进行研究
对于第1天,需要单独处理,因为没有上一天
我们假设有上一天,因为需要用来计算。
dp[-1][k][0] = 0
dp[-1][k][1] = INT_MIN
首先交易开始之前收入为0,并且不可能持有股票,这里用最小值来排除可能。
k=0时,代表当前至多进行0次交易,即手中不可能持有股票,并且不可能有收入
dp[i][0][0] = 0
dp[i][0][1] = INT_MIN
现在将本题的情况套入上述中。
首先本题要求只能进行一次交易,即K = 1
dp[i][1][0] = max(dp[i-1][1][0] , dp[i-1][1][1]+prices[i])
dp[i][1][1] = max(dp[i-1][1][1] , dp[i-1][0][0]-prices[i])
=max(dp[i-1][1][1],-prices[i])
所以这个k=1这一项没有任何用处,可以直接删掉
得到状态转移方程
dp[i][0] = max(dp[i-1][0] , dp[i-1][1]+prices[i])
dp[i][1] = max(dp[i-1][1] , -prices[i])
继续观察,发现对于某一天i,它的两种状态的值均仅取决于它上一天的两种状态值。
因此可以继续化简,仅使用两个变量来储存上一天的值与计算今日的值
a = dp[i][0] 即没有持有股票
b = dp[i][1] 即持有股票
最后处理第一天的特殊初值,a=0,b=INT_MIN
之后对每一天都进行上述计算即可
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int a = 0;
int b = INT_MIN;
for(int i=0;i<n;++i){
a = max(a,b+prices[i]);
b = max(b,-prices[i]);
}
return a;
}
};