代码随想录算法训练营第41天|121. 买卖股票的最佳时机、122. 买卖股票的最佳时机 II、123. 买卖股票的最佳时机 III

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]
• $dp[i][0]=max(dp[i-1][1]+$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]
• $dp[i][1]=max(-prices[i],dp[i-1][1])$

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$O(N)$
2️⃣ 空间复杂度：贪心是$O(1)$，动规是$O(N)$

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]
• $dp[i][0]=max(dp[i-1][1]+prices[i],dp[i-1][0])$

🅱️ 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]
• $dp[i][1]=max(dp[i-1][0]-prices[i],dp[i-1][1])$

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$O(N)$
2️⃣ 空间复杂度：贪心是$O(1)$，动规是$O(N)$

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]
• $dp[i][0]=max(dp[i-1][0],-prices[i])$

🔴 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]
• $dp[i][1]=max(dp[i-1][1],dp[i-1][0]+price[i])$

🔴 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]
• $dp[i][2]=max(dp[i-1][2],dp[i-1][1]-prices[i])$

🔴 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]
• $dp[i][3]=max(dp[i-1][3],dp[i-1][2]+prices[i])$

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：$O(N)$
2️⃣ 空间复杂度：$O(N)$