题目要求:
分析:
这里给出一大神对于股票题目的通用解法:传送门:一个方法团灭 6 道股票问题
看完之后,不能说是醍醐灌顶吧,反正是写得非常非常清晰。
下图中,上半部分的是通用的式子,下半部分是这道题目的状态转移方程。
我又要感叹了,真是大神辈出,膜拜膜拜~~~
好了,直接上代码吧。
具体代码如下:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;
int dp_pre_0 = 0; // 代表 dp[i-2][0]
int[][] dp = new int[n][n];
for (int i = 0; i < n; i++) {
int temp = dp_i_0;
dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);
dp_i_1 = Math.max(dp_i_1, dp_pre_0 - prices[i]);
dp_pre_0 = temp;
}
return dp_i_0;
}
}
其实最初的时候,我是不理解这个变量的,因为如果用二维数组,它的表达式明明是这样的:
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 2][0] - prices[i]);
那么为什么用变量代替之后,表达式就变成下面形式了呢?
dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);
dp_i_1 = Math.max(dp_i_1, dp_pre_0 - prices[i]);
仔细分析之后,可以了解这个变量仅仅只是代表一个状态而已,比如dp_i_0存储的只是你在第i天不持有股票时的状态。那么当你要求第i天不持有股票的状态的时候,Math.max(dp_i_0, dp_i_1 + prices[i])
中的dp_i_0肯定是之前存储的不持有股票的状态,即第i - 1天不持有股票的状态。dp_i_1同理。那么当求了Math.max(dp_i_0, dp_i_1 + prices[i])之后,dp_i_0的值就被替换掉了,即被替换成了第i天不持有股票状态的值。
下面附上我用二维数组的dp来做的代码:
class Solution {
public int maxProfit(int[] prices) {
if(prices == null || prices.length == 0)
return 0;
int n = prices.length;
int[][]dp = new int[n][2];
for(int i = 0; i < n; i ++) {
if(i - 1 == -1) {
dp[i][0] = 0;
dp[i][1] = -prices[i];
continue;
}
if(i - 1 == 0) {
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]);
continue;
}
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 2][0] - prices[i]);
}
return dp[n - 1][0];
}
}
可以看到,这里就是在for循环中多了两个判断,而且不能忘记prices为空的判断,否则会报错。
这种做法更通俗易懂,而且性能更高。缺点是:空间复杂度变高了。
得失并存嘛~