122. 买卖股票的最佳时机 II --贪心、动态规划

1.题目

2.思路

看见这个题，很自然会想是不是贪心或者动态规划，一看数据大小3*10^4. 通常就是O（n）或者O（nlogn）,如果是贪心的话，就是O（n）, 如果是动态规划的话，就是一维动态规划O（n）.

贪心的想法，一开始没想到，所以直接往动态规划方面想。

首先就是dp[i]的定义，一开始定义为第i天卖出股票的最大利润，然后不知道该怎么构造状态转移函数。之后换了一个思考方式，直接定义为答案要求的。

dp[i]:前i天卖出股票的最大利润。这样定义的好处是不需要考虑前面哪一天卖出哪一天买入。

只要price[i] > price[i - 1] , 那么dp[i] = dp[i -1] + price[i] > price[i - 1].

否则，dp[i] = dp[i -1

那么为什么这样是正确的呢？

• 因为当第 i - 1天是最大的时候，意味着第i - 1天必然要卖出股票

1.  而此时第 i 天price更大，说明第i天卖赚得更多，所以在原来的基础上加上差值price[i] - price[i - 1]
2. 假如第 i 天price更小，那么说明此时不需要任何操作，最大值就是跟前一天保持一致。

• 假如第i - 天股票很小，所以不会卖出股票。那么是否要买入呢？需要看后面一天的情况。

1. 当第i 天的股票价格更高时，说明第i - 1 天需要买入，所以要在在原来的基础上加上差值price[i] - price[i - 1]。
2. 当第i天的股票价格更低时，说明第i - 1 天不需要买入。第i天是否买入需要看后面一天。所以利润不变。

动态规划--时间O（n）, 空间O（n）

其实，写到最后你会发现，这就是一个贪心的思想。所以两者之间可以转化。贪心的话空间复杂度只有O（1）.

class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        if(n < 2) return 0;
        int ans = 0;
        int[]dp = new int[n + 1];//前i天卖出去股票的最大利润

        // 初始化
        dp[0] = 0;
        // 状态转移
        // if(prices[1] > prices[0])
        //     dp[1] = prices[1] - prices[0];

        for(int i = 2; i <= n; i++){
            if(prices[i - 1] > prices[i - 2])
                dp[i] = dp[i - 1] + prices[i - 1] - prices[i - 2];
            else
                dp[i] = dp[i - 1];
        }

        return dp[n];
    }
}

3.结果