代码随想录第二十二天|动态规划（6）

目录

LeetCode 121. 买卖股票的最佳时机

LeetCode 122. 买卖股票的最佳时机 II

LeetCode 123 买卖股票的最佳时机 III

总结

---

LeetCode 121. 买卖股票的最佳时机

题目链接：LeetCode 121. 买卖股票的最佳时机

思想：本题其实最开始一直在纠结怎么用一维数组完成dp数组的编写，但好像一直不行，需要考虑的时期太多了。看了一眼题解，用的二维数组。dp数组的主要含义就是，dp[i][0]第i天持有股票的最高金钱，dp[i][1]第i天不持有股票的最高金钱。注意这里是持有而不是买入，也就是说可以是i-1天购买的股票，第i天持有。第i天购入也可以。其次就是dp的递推公式，注意这里有两个状态，即0和1。dp[i][0]的状态可以由第i-1天买入股票，第i天保留。也可以在第i天购入股票，即prices[i]。由于是所得现金最大，所以dp[i][0]=max(dp[i-1][0], -prices[i])。同理可得dp[i][1]的状态可以由第i-1天不持有股票而来，也可以由第i天将持有的股票抛出而来，即dp[i][0] + prices[i]。所以dp[i][1]=max(dp[i-1][1], dp[i][0] + prices[i])。因为递推公式要涉及到前一天的状态，所以要将第一天的状态初始化，dp[0][0]就初始化-prices[0]，而dp[0][1]就初始化为0。遍历循环就把整个数组遍历就行了。

代码如下：

    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(), vector<int> (2, 0));
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = max(dp[i-1][0], -prices[i]);
            dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0]);
        }
        return dp[prices.size() - 1][1];
    }

时间复杂度：O(n)，空间复杂度：O(2n)。

LeetCode 122. 买卖股票的最佳时机 II

题目链接：LeetCode 122. 买卖股票的最佳时机 II

思想：本题跟上题几乎一模一样，就有一点不一样。就可以无限购入和出售股票，但最多只能持有一股。即dp[i][0]的递推公式有些小变化，dp[i][0]的决定就得靠第i-1天不持有股票，而第i天购入股票来决定了。即dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i])。

代码如下：

    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(), vector<int> (2, 0));
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]);
            dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0]);
        }
        return dp[prices.size() - 1][1];
    }

时间复杂度：O(n)，空间复杂度：O(2n)。

LeetCode 123 买卖股票的最佳时机 III

题目链接：LeetCode 123. 买卖股票的最佳时机 III

思想：本题又有些不同了，本题可以至多完成两笔股票的交易。即dp数组有五种状态，什么都不做，第一次持有股票，第一次不持有股票，第二次持有股票，第二次不持有股票。递推公式什么的都是类似于上题。

代码如下：

    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(), vector<int>(5,0));
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[0][2] = 0;
        dp[0][3] = -prices[0];
        dp[0][4] = 0;
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = dp[i - 1][0];
            dp[i][1] = max(dp[i-1][1], dp[i][0] - prices[i]);
            dp[i][2] = max(dp[i-1][2], dp[i][1] + prices[i]);
            dp[i][3] = max(dp[i-1][3], dp[i][2] - prices[i]);
            dp[i][4] = max(dp[i-1][4], dp[i][3] + prices[i]);
        }
        return dp[prices.size() - 1][4];
    }

时间复杂度：O(n)，空间复杂度：O(5n)。

总结

还是一样，自己退不出递推公式，但给出了后面的题又好解决。