题目描述
原题链接:121. 买卖股票的最佳时机
解题思路
- 动态规划五步曲:
(1)二维数组
(1)dp数组含义: dp[i][0]:持有股票时,最小的买入价格。dp[i][1]:不持有股票时,所具有的最大收益。
(2)递推公式:
-
dp[i][1] = max(dp[i - 1][1], prices[i] - dp[i - 1][0]),由于是不持有股票,因此也会有两种情况。一种是之前不持有时的收益情况(可能已经进行过一次买卖交易,也可能一直没有买入过),另一种是现在将已有股票售出,就用当前卖出的价格减去之前最小买入的价格
prices[i] - dp[i - 1][0]
。取二者中的最大值,也就是找到一个最大收益的情况(低买高卖)。 -
dp[i][0] = min(dp[i - 1][0], prices[i]),由于是持有股票,因此可能会有两种情况。一种是之前就持有股票
dp[i-1][0]
,另一种是之前没有持有,而现在进行交易买入后持有prices[i]
。取二者中的最小值,也就是找到一个最低的买入价格。
(3)dp数组初始化: dp[0][0] = -prices[0],刚开始买入第一天买入的情况。dp[0][1] = 0,第一天不会有卖出的情况,因此为0。
(4)遍历顺序: 从小到大。
(5)举例:
class Solution {
public:
int maxProfit(vector<int>& prices) {
if (prices.empty()) return 0;
int n = prices.size();
vector<vector<int>> dp(n + 1, vector<int>(2));
dp[0][0] = prices[0];
dp[0][1] = 0;
for(int i = 1; i < n; i++) {
dp[i][1] = max(dp[i - 1][1], prices[i] - dp[i - 1][0]);
dp[i][0] = min(dp[i - 1][0], prices[i]);
}
return dp[n - 1][1];
}
};
另一种等价写法
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if (len == 0) return 0;
// dp[i][0]:持有股票时的最大收益,dp[i][1]:不持有股票时的最大收益
vector<vector<int>> dp(len, vector<int>(2));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < len; i++) {
// 因为最小值买入的时候,一定不会是最大值卖出,因此不用担心会出现同一天买入卖出的计算情况,除非最后利润都为0。
dp[i][0] = max(dp[i - 1][0], -prices[i]);
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
}
return dp[len - 1][1];
}
};
参考文章:121. 买卖股票的最佳时机
(2)两个变量优化
此时让一个变量记录收益的最大值,一个变量记录在第i天卖出股票前,第0-第i-1天,买入股票时的最小值。
class Solution {
public:
int maxDiff(vector<int>& nums) {
if(nums.empty()) return 0;
int res = 0, minv = nums[0];
for(int i = 1; i < nums.size(); i++) {
res = max(res, nums[i] - minv);
minv = min(minv, nums[i]);
}
return res;
}
};