买卖股票的最好时机

买卖股票的最佳时机

这一题其实就是让我们求最大差值，不过是赚的最大差值，我们只需要进行一次遍历，然后每次遍历进行提取最小值，如果小于最小值则更新，并且求一下当前数和此前最小值的差值，如果差值大于前面所求的最大差值，则也进行更新，下面给出示例代码：

class Solution {
public:
    int maxProfit(vector<int>& a) {
        int n = a.size();
	    int max = 0, min = a[0];   //max是最大差值，min是当前最小值
	    for (int i = 1; i < n; i++) {
		    if (a[i] < min) {
			    min = a[i];
		    }
		    else if (a[i] - min > max) {
			    max = a[i] - min;
		    }
	    }
	    return max;
    }
};

买卖股票的最佳时机 II

此题相比于第一题相对来说难一些，因为我们可以进行多次交易，那么繁琐程度必然比只需求一个最大差值要高。此题笔者使用了两种方法进行解答，第一种是贪心算法，第二种是动态规划算法。下面笔者回依次进行陈述

• 贪心算法
  由于我们可以进行多次交易，那么自然我们所获取的利润肯定是最大的，所以只要第二天比第一天的值要大的差值我们可以将其相加，所得出的答案就是所获得的最大利润，且答案不会多余计算别的收入。比如上图的示例1，我们只需把1-5,3-6,的值计算出来即可，也就是4+3=7，也就是答案。示例代码如下：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int max = 0;
        for(int i = 1;i < prices.size();i++){
            if(prices[i] > prices[i-1]) max += (prices[i] - prices[i-1]);
        }
        return max;
    }
};

• 动态规划算法
  由于我们每天都可能进行买入和卖出，所以我们每天就会有三种情况：
  1、未进行任何操作
  2、买入
  3、卖出
  因此我们可以创建一个 a[n][2] （n代表股票价格所显示的天数）数组。这个二位数组后面的2表示的是是否进行操作（1代表买入操作，0代表不买）。我们用 i 变量进行遍历的话。我们可以得出一下结果：
  1、当a[i][0]时，可能有两种情况，一种就是延续前一天的未买股票，第二种就是把前一天的股票卖掉了。故可以得到递推式：a[i][0] = max(a[i-1][0], a[i-1][1]+prices[i]);
  2、当a[i][1]时，也有可能有两种情况，一种是延续前一天的已买股票，没卖，第二种就是前一天无股票，而把今天的股票购入了。故可以得到递推式：a[i][1] = max(a[i-1][1], a[i-1][0]-prices[i]);
  根据递推式，我们可以得出最后的示例代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector <int> > a(n ,vector<int>(2,0));
        a[0][0] = 0, a[0][1] = -prices[0];
        for(int i = 1;i < n;i++){
            a[i][0] = max(a[i-1][0], a[i-1][1]+prices[i]);
            a[i][1] = max(a[i-1][1], a[i-1][0]-prices[i]);
        }
        return a[n-1][0];
    }
};

买卖股票的最佳时机 III

这题貌似比第一题难，但是比第二题容易，但是我觉得这题比前两题都难。因为这个只有进行两次交易而获得最大值，则这两次交易的准确性肯定很高。因此此题使用动态规划做是比较好的做法。
既然要进行两次交易，则每天我们可能都有五种状态。

• 啥操作都没进行
• 第一次购入股票
• 卖掉第一支股票
• 第二次购入股票
• 卖掉第二支股票

则我们只需将后面四种递推式找到就可以做出此题了。我们可以把每一次操作命名，分别为：buy1， sell1， buy2， sell2。
因此我们可以得到递推式

• buy1 = max(buy1, -prices[i]);
  第一笔购入，我们可以选择买第0支或者买第i支股票
• sell1 = max(sell1, buy1+prices[i]);
  第一笔卖出，我们可以选择不卖出和卖出第一支股票
• buy2 = max(buy2, sell1-prices[i]);
  第二笔购入，我们可以选择购入第0支，或者在获得第一笔收入的基础下买入第i支股票
• sell2 = max(sell2, buy2+prices[i]);
  第二笔卖出，我们可以选择不卖出，或者卖出第二支股票

最后我们给出示例代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int sell1 = 0, sell2 = 0, buy1 = -prices[0], buy2 = -prices[0], n = prices.size();
        for(int i = 1;i < n;i++){
            buy1 = max(buy1, -prices[i]);
            sell1 = max(sell1, buy1+prices[i]);
            buy2 = max(buy2, sell1-prices[i]);
            sell2 = max(sell2, buy2+prices[i]);
        }
        return sell2;
    }
};

如有疑问，可以在评论区提出来哦！