代码随想录算法训练营第四十九天| 121. 买卖股票的最佳时机， 122.买卖股票的最佳时机II

题目与题解

121. 买卖股票的最佳时机

题目链接：121. 买卖股票的最佳时机

代码随想录题解：121. 买卖股票的最佳时机

视频讲解：动态规划之 LeetCode：121.买卖股票的最佳时机1_哔哩哔哩_bilibili

解题思路：

        设置一个窗口i,j，其中prices[i]是当前窗口的最小值，j从i+1开始遍历，如果prices[j] > prices[i]，计算profit = Math.max(prices[j] - prices[i], profit)，否则更新i=j，开始遍历新的窗口。遍历结束后返回最终的profit即可。

class Solution {
    public int maxProfit(int[] prices) {
		int profit = 0;
		int i = 0;
		while (i < prices.length - 1) {
			int j = i+1;
			for (; j < prices.length; j++) {
				profit = Math.max(prices[j] - prices[i], profit);
				if (prices[j] <= prices[i]) {
					i = j;
					break;
				}
			}
			if (i != j) i++;
		}
		return profit;
    }
}

看完代码随想录之后的想法 

        自己写的略复杂了一些，有贪心的思维在。简单一点只需要一层遍历，记录当前i左边的最小值low = Math.min(low, prices[i])，以及更新profit为Math.max(prices[i]-low, profit)即可。

class Solution {
    public int maxProfit(int[] prices) {
        // 找到一个最小的购入点
        int low = Integer.MAX_VALUE;
        // res不断更新，直到数组循环完毕
        int res = 0;
        for(int i = 0; i < prices.length; i++){
            low = Math.min(prices[i], low);
            res = Math.max(prices[i] - low, res);
        }
        return res;
    }
}

        动态规划的方法自己想不到，dp是一个n*2的二维数组，每一行有两个值，分别代表持有股票时，手里持有的现金dp[i][0]，以及不持有股票时，手里的现金dp[i][1]。 持有股票分两种情况，一个是当前不买入，保持之前的状态，值为dp[i-1][0]，另一个是在当前股票的时候买入，其值为-prices[i]；不持有股票同样也有两种情况，一个是之前已经卖出，值为dp[i-1][1]，另一个是当前股票卖出，值为dp[i-1][0]+prices[i]。

        用第一支股票初始化dp，dp[0][0]表示持有第一支股票，买入后现金为-prices[0]，dp[0][1]表示没有持有，现金为0。最后肯定是不持有股票收益最高，所以返回dp[n-1][1]。

class Solution {
    public int maxProfit(int[] prices) {
		return profit;
		int[][] dp = new int[prices.length][2];
		dp[0][0] = -prices[0];
		dp[0][1] = 0;
		for (int i = 1; i < prices.length; i++) {
			dp[i][0] = Math.max(dp[i-1][0], -prices[i]);
			dp[i][1] = Math.max(dp[i-1][1], prices[i] + dp[i-1][0]);
		}
		return dp[prices.length - 1][1];
    }
}

遇到的困难

        自己写的方法，一开始条件设置为prices[j] < prices[i]才break，导致如果数组中存在大量相邻相同数字时，计算量过大直接超时，后面改成prices[j] <= prices[i]才AC。

        另外这个动态规划方法想不到，因为不知道dp应该代表什么含义，本来想设置一个代表profit的一维dp，然后发现无法体现买卖状态，就不知道咋写了。

122.买卖股票的最佳时机II 

题目链接：​​​​​​​122.买卖股票的最佳时机II 

代码随想录题解：​​​​​​​122.买卖股票的最佳时机II 

视频讲解：动态规划，股票问题第二弹 | LeetCode：122.买卖股票的最佳时机II_哔哩哔哩_bilibili

解题思路：

        之前已经用贪心做过一次，只要当前后两个股票的利差为正就进行买卖累加，最后就能得到最优profit。

        换做动态规划来做，跟前一题非常类似，同样还是用二维dp数组表示当前持有的现金，不同的是这里可以多次买卖，所以递推公式有所变化。

        因为只有买了才能卖，卖了才能买，所以如果要持有当前股票，要么是之前已经持有股票dp[i-1][0]，要么必须之前已经卖了股票，这次买入，得到dp[i-1][1]-prices[i]；同样，如果不持有股票，要么是之前已经卖出，持有现金dp[i-1][1]，要么是当前股票卖出，则上一回必须买入，当前持有现金为dp[i-1][0]+prices[i]。

        初始化和返回值跟上一题相同。

class Solution {
    public int maxProfit(int[] prices) {
		int[][] dp = new int[prices.length][2];
		dp[0][0] = -prices[0];
		dp[0][1] = 0;
		for (int i = 1; i < prices.length; i++) {
			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] + dp[i-1][0]);
		}
		return dp[prices.length-1][1];
    }
}

看完代码随想录之后的想法 

        有了上一题打底，这题的dp思路就很好想了。随想录还有更优化的方法，因为当前状态只和上一个状态有关，所以不需要维护n*2的dp，2*2足矣。

class Solution {
    public int maxProfit(int[] prices) {
		int[][] dp = new int[2][2];
		dp[0][0] = -prices[0];
		dp[0][1] = 0;
		for (int i = 1; i < prices.length; i++) {
			dp[i % 2][0] = Math.max(dp[(i-1)%2][0], dp[(i-1)%2][1] - prices[i]);
			dp[i % 2][1] = Math.max(dp[(i-1)%2][1], dp[(i-1)%2][0] + prices[i]);
		}
		return dp[(prices.length-1)%2][1];
    }
}

遇到的困难

        无

今日收获

        又学习了更多二维dp的方法，感觉没见过还是挺难想到的。学习一下。