leetcode(力扣) 122. 买卖股票的最佳时机 II (贪心 & 动态规划)

题目描述

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。
在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。
返回 你能获得的 最大 利润 。

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 。
总利润为 4 + 3 = 7 。

示例 2：
输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。

示例 3：
输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

思路分析

今天这个是昨天那个股票问题的升级版： 121. 买卖股票的最佳时机 。
昨天那个题是只能买卖一次，今天这个是可以无限买卖。

直接贪心会很简单，不过还是为了考试为了面试，得学一下动态规划的方法。

和昨天那道题一样的东西我就不说了，没做过的先做上一题。

贪心思路：

本着有便宜不占王八蛋的原则，只要今天买入，明天卖掉能挣钱就卖。（手里最多只能持有一支股票）

所以，遍历数组，如果后一天比前一天数值大，则记录差值。最后所有的差值和就是要求的最大利润。

动规思路：

这道题和上一道题只有状态转移公式不一样。

先回顾一下上一道题的dp含义：

dp[i][0] 表示第 i 天持有股票时手里的最大现金。

dp[i][1] 表示第 i 天不持有股票时手里的最大现金。

注意：无论何时，手里最多只能手持一股股票。也就是说 你不能连续的买入。

如果第 i 天持有股票，则：

• 是第 i 天买入的，则此时dp[i][0] = dp[i-1][1]-prices[i]。上一题是-prices[i]。因为上一道题是规定了只能买一次，所以肯定是-prices[i]，而这道题可以多次买入，所以是上一个没有股票的状态下手里的现金减去当前要买入的股票价格。
• 不是第 i 天买入的，是之前几天买入的，则dp[i][0] = dp[i-1][0]。

如果第 i 天不持有股票，则：

• 是第 i 天卖出的，则此时 dp[i][1] = dp[i-1][0] + prices[i] 、
• 不是第 i 天卖出的，是前几天就卖掉了的，则dp[i][1] = dp[i-1][1]

所以
dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i])
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])

完整代码

贪心思路：
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        res = 0
        for i in range(len(prices)-1):
            if prices[i] < prices[i+1]:
                res +=  prices[i+1] - prices[i]


        print(res)
        return res

动态规划思路：
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for i in range(2)] for j in range(len(prices))]
        # dp[i][0] 表示第i持有，手里最大的现金。
        # dp[i][1] 表示第i天不持有股票，手里最大的现金。
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1,len(prices)):
            # 两个状态  1.i天之前就已经买入，不是今天买入的，保持现状
            # 2. 今天买入的，因为题目说了手里只能持有一只股票，所以是前一天不持有股票时的状态来买入，
            # 也就是前一天不持有股票状态下的手里现金减去今天要买的股票的价格
            dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i])
            # 同样是两个状态，1.手里不持有股票，前几天就已经卖掉了，则保持现状
            # 2. 今天卖掉的，则是前一天持有股票的状态+今天要卖掉的股票价格
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
        return dp[-1][1]