目录
121. 买卖股票的最佳时机(只能做一次交易)
题目链接: link
1、题目描述
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例 1:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
2、思路
1️⃣ 贪心算法
求最大利润➡️max(每一天的最大利润)➡️max(当天股票价格卖出➖之前最小的股票价格买入)
2️⃣ 动态规划
重叠子问题: 当天持有股票或者不持有股票获得的最大利润,取决于前一天持有股票或者不持有股票获得的最大利润。
❤️在买卖股票这种类型题里面,考虑的是持有或者不持有股票这两种状态,持有不代表是当天买的,只是当天手里是有这个股票的
1️⃣ dp含义
- dp[i][0]代表第i天不持有股票能够获得得利润
- dp[i][1]代表第i天持有股票能够获得的利润
2️⃣ 递推公式
🅰️第i天不持有股票 :dp[i][0]
- 第i-1天也不持有股票,保持这个状态dp[i-1][0]
- 第i-1天持有股票,说明第i天卖出了dp[i-1][1] + prices[i]
- d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 1 ] + dp[i][0] = max(dp[i-1][1]+ dp[i][0]=max(dp[i−1][1]+prices[i],dp[i-1][0])
🅱️ 第i天持有股票 :dp[i][1]
- 第i-1天也持有股票,保持这个状态dp[i-1][0]
- 第i-1天不持有股票,说明是今天买的,而且只能交易一次,利润就是-prices[i]
- d p [ i ] [ 1 ] = m a x ( − p r i c e s [ i ] , d p [ i − 1 ] [ 1 ] ) dp[i][1] = max(-prices[i],dp[i-1][1]) dp[i][1]=max(−prices[i],dp[i−1][1])
3️⃣ dp数组如何初始化
- dp[0][0]表示第0天不持有股票,不持有股票那么现金就是0,所以dp[0][0] = 0
- dp[0][1]表示第0天持有股票,说明就是第0天买的,那么dp[0][1] = -prices[0]
4️⃣ 遍历顺序:从前到后
3、code
1️⃣ 贪心算法
class Solution:
def maxProfit(self, prices: List[int]) -> int:
min_price = float('+inf')
max_profit = 0
for i in range(len(prices)):
min_price = min(min_price,prices[i])
max_profit_i = prices[i] - min_price
max_profit = max(max_profit,max_profit_i)
return max_profit
2️⃣ 动态规划
class Solution:
def maxProfit(self, prices: List[int]) -> int:
# dp[i][0]代表第i天不持有股票能够获得得利润
# dp[i][1]代表第i天持有股票能够获得的利润
dp = [[0,0] for i in range(len(prices))]
dp[0][0] = 0
dp[0][1] = -prices[0]
for i in range(1,len(prices)):
dp[i][0] = max(dp[i-1][1]+prices[i],dp[i-1][0])
dp[i][1] = max(-prices[i],dp[i-1][1])
return dp[-1][0]
4、复杂度分析
1️⃣ 时间复杂度:都是
O
(
N
)
O(N)
O(N)
2️⃣ 空间复杂度:贪心是
O
(
1
)
O(1)
O(1),动规是
O
(
N
)
O(N)
O(N)
122. 买卖股票的最佳时机 II(交易无限次)
题目链接: link
1、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。
最大总利润为 4 + 3 = 7 。
2、思路
1️⃣ 贪心算法
如果交易无限次,就只要当天的价格大于前一天的价格,就加上这个正利润,累计就是最大总利润(利润可以分解)
2️⃣ 动态规划
重叠子问题: 当天持有股票或者不持有股票获得的最大利润,取决于前一天持有股票或者不持有股票获得的最大利润。
❤️在买卖股票这种类型题里面,考虑的是持有或者不持有股票这两种状态,持有不代表是当天买的,只是当天手里是有这个股票的
1️⃣ dp含义
- dp[i][0]代表第i天不持有股票能够获得得利润
- dp[i][1]代表第i天持有股票能够获得的利润
2️⃣ 递推公式
🅰️第i天不持有股票 :dp[i][0]
- 第i-1天也不持有股票,保持这个状态dp[i-1][0]
- 第i-1天持有股票,说明第i天卖出了dp[i-1][1] + prices[i]
- d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 1 ] + p r i c e s [ i ] , d p [ i − 1 ] [ 0 ] ) dp[i][0] = max(dp[i-1][1]+prices[i],dp[i-1][0]) dp[i][0]=max(dp[i−1][1]+prices[i],dp[i−1][0])
🅱️ 第i天持有股票 :dp[i][1]
- 第i-1天也持有股票,保持这个状态dp[i-1][0]
- 第i-1天不持有股票,说明是今天买的,而且可以交易无数次,说明前一天也是有利润的,dp[i-1][0] - prices[i]
- d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 0 ] − p r i c e s [ i ] , d p [ i − 1 ] [ 1 ] ) dp[i][1] = max(dp[i-1][0] -prices[i],dp[i-1][1]) dp[i][1]=max(dp[i−1][0]−prices[i],dp[i−1][1])
3️⃣ dp数组如何初始化
- dp[0][0]表示第0天不持有股票,不持有股票那么现金就是0,所以dp[0][0] = 0
- dp[0][1]表示第0天持有股票,说明就是第0天买的,那么dp[0][1] = -prices[0]
4️⃣ 遍历顺序:从前到后
3、code
1️⃣ 贪心算法
class Solution:
def maxProfit(self, prices: List[int]) -> int:
result = 0
for i in range(1,len(prices)):
result+=max(prices[i]-prices[i-1],0)
return result
2️⃣ 动态规划
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0,0] for i in range(len(prices))]
dp[0][0] = 0
dp[0][1] = -prices[0]
for i in range(1,len(prices)):
dp[i][0] = max(dp[i-1][1]+prices[i],dp[i-1][0])
dp[i][1] = max(dp[i-1][0]-prices[i],dp[i-1][1])
return max(dp[-1][0],dp[-1][1])
4、复杂度分析
1️⃣ 时间复杂度:都是
O
(
N
)
O(N)
O(N)
2️⃣ 空间复杂度:贪心是
O
(
1
)
O(1)
O(1),动规是
O
(
N
)
O(N)
O(N)
123. 买卖股票的最佳时机 III(最多交易两次)
题目链接: link
1、题目描述
给定一个数组,它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入:prices = [3,3,5,0,0,3,1,4]
输出:6
解释:在第 4 天(股票价格 = 0)的时候买入,在第 6 天(股票价格 = 3)的时候卖出,这笔交易所能获得利润 = 3-0 = 3 。
随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。
2、思路
重叠子问题: 当天持有股票或者不持有股票获得的最大利润,取决于前一天持有股票或者不持有股票获得的最大利润。
❤️在买卖股票这种类型题里面,考虑的是持有或者不持有股票这两种状态,持有不代表是当天买的,只是当天手里是有这个股票的
1️⃣ dp含义
- dp[i][0]代表第i天是第一次持有股票
- dp[i][1]代表第i天是第一次不持有股票
- dp[i][2]代表是第i天是第二次持有股票
- dp[i][3]代表是第i天是第二次不持有股票
2️⃣ 递推公式
🔴 第i天第一次持有股票 :dp[i][0]
- 第i-1天持有股票,保持这个状态dp[i-1][0]
- 第i-1天不持有股票,说明这个股票是第i天买的,那么就是-prices[i]
- d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , − p r i c e s [ i ] ) dp[i][0] = max(dp[i-1][0],-prices[i]) dp[i][0]=max(dp[i−1][0],−prices[i])
🔴 第i天第一次不持有股票 :dp[i][1]
- 第i-1天也不持有股票,保持这个状态dp[i-1][1]
- 第i-1天持有股票,说明是今天卖的 dp[i-1][0] + prices[i]
- d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 0 ] + p r i c e [ i ] ) dp[i][1] = max(dp[i-1][1],dp[i-1][0]+price[i]) dp[i][1]=max(dp[i−1][1],dp[i−1][0]+price[i])
🔴 第i天第二次持有股票 :dp[i][2]
- 第i-1天也持有股票,保持这个状态dp[i-1][2]
- 第i-1天不持有股票,说明是今天买的,但是利润要算上第一次的利润 dp[i-1][1] + prices[i]
- d p [ i ] [ 2 ] = m a x ( d p [ i − 1 ] [ 2 ] , d p [ i − 1 ] [ 1 ] − p r i c e s [ i ] ) dp[i][2] = max(dp[i-1][2],dp[i-1][1]-prices[i]) dp[i][2]=max(dp[i−1][2],dp[i−1][1]−prices[i])
🔴 第i天第二次不持有股票 :dp[i][3]
- 第i-1天也不持有股票,保持这个状态dp[i-1][3]
- 第i-1天持有股票,说明是今天卖的 dp[i-1][2] + prices[i]
- d p [ i ] [ 3 ] = m a x ( d p [ i − 1 ] [ 3 ] , d p [ i − 1 ] [ 2 ] + p r i c e s [ i ] ) dp[i][3] = max(dp[i-1][3],dp[i-1][2]+prices[i]) dp[i][3]=max(dp[i−1][3],dp[i−1][2]+prices[i])
3️⃣ dp数组如何初始化
- dp[0][0] = -prices[0] # 第一次持有股票
- dp[0][1] = 0 # 第一次不持有股票
- dp[0][2] = -prices[0] # 第二次持有股票
- dp[0][3] = 0 # 第二次不持有股票
4️⃣ 遍历顺序:从前到后
3、code
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices) == 0:
return 0
dp = [[0]*4 for i in range(len(prices))]
dp[0][0] = -prices[0] # 第一次持有股票
dp[0][1] = 0 # 第一次不持有股票
dp[0][2] = -prices[0] # 第二次持有股票
dp[0][3] = 0 # 第二次不持有股票
for i in range(1,len(prices)):
dp[i][0] = max(dp[i-1][0],-prices[i])
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
dp[i][2] = max(dp[i-1][2],dp[i-1][1]-prices[i])
dp[i][3] = max(dp[i-1][3],dp[i-1][2]+prices[i])
return dp[-1][3]
4、复杂度分析
1️⃣ 时间复杂度:
O
(
N
)
O(N)
O(N)
2️⃣ 空间复杂度:
O
(
N
)
O(N)
O(N)