122. 买卖股票的最佳时机 II

最新推荐文章于 2024-09-27 11:50:10 发布

CRE_MO

最新推荐文章于 2024-09-27 11:50:10 发布

阅读量101

点赞数

文章标签：算法动态规划

本文链接：https://blog.csdn.net/qq_45722630/article/details/127362715

版权

本文介绍了一种解决股票交易问题的方法，通过构建二维动态规划数组dp，分析持有和不持有股票的状态转移，实现多次交易中获取最大利润的算法。关键递推公式展示了如何考虑已售股票的影响，适用于允许最多持有一次股票的复杂交易场景。

摘要由CSDN通过智能技术生成

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。

class Solution {
    /*
    本题属于股票问题，需要先深入理解股票问题
    基础的股票问题是：只交易一次股票，求获取的最大利润
    定义二维dp数组：dp[i][0]表示当前持有股票，dp[i][1]表示当前不持有股票
    递推公式：dp[i][0]=max( dp[i-1][0] , -price[i] )
    dp[i][1]=max( dp[i-1][1], dp[i-1][0] + price[i] )
    dp[0][0]=price[0]

    该问题是允许多次交易，但最多只能持有一张股票
    需要多考虑一种情况是，i天时，若持有股票可能时，之前已经卖过了，即dp[i][0]=max( dp[i-1][0], dp[i-1][1]-prices[i] )
    这一点需要深入理解股票问题才比较容易想到
    */
    public int maxProfit(int[] prices) {
        int n = prices.length;
        if(n == 1) return 0;
        int[][] dp = new int[2][2];
        dp[0][0] = -prices[0];
        for( int i = 1; i < n; 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[ (n-1)%2 ][1];

    }
}

递推公式比较难想