121. 买卖股票的最佳时机
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
。
解题思路:
贪心算法:
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if len(prices)<=1:
return 0
#greedy
min_prices = float('inf')
max_profit = 0
for i in range(len(prices)):
min_prices = min(min_prices, prices[i])
max_profit = max(max_profit, prices[i]-min_prices)
return max_profit
确认dp数组含义:dp[i][0]第i天时持有股票时所得最多现金,dp[i][1]第i天时未持有股票时所得最多现金
确认递推公式:dp[i][0] = max(dp[i-1][0], -prices[i]), -prices[i]指第i天买入股票后所持有现金
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i]), dp[i-1][0]+prices[i]指今天卖掉股票
初始化:dp[0][0] = -prices[0], dp[0][1] = 0第一天买入股票和第一天不买股票
遍历顺序:从前到后遍历
打印dp数组
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0]*2 for _ in range(len(prices))]
dp[0][0] = -prices[0]
dp[0][1] = 0
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])
dp1 = dp[len(prices)-1][0]
dp2 = dp[len(prices)-1][1]
return max(dp1, dp2)
122.买卖股票的最佳时机II
解题思路:
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 。
解题思路:
贪心算法
class Solution:
def maxProfit(self, prices: List[int]) -> int:
#greedy
result = 0
for i in range(1, len(prices)):
if prices[i] - prices[i-1]>0:
result += prices[i] - prices[i-1]
return result
动态规划:
与第一题类似,不同之处在于递推公式要考虑前一天的盈利情况
确认dp数组含义:dp[i][0]第i天时持有股票时所得最多现金,dp[i][1]第i天时未持有股票时所得最多现金
确认递推公式:dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i]),dp[i-1][1]-prices[i]指第i-1天没有股票,但是第i天买入股票,在前一天财产基础dp[i-1][1]上减去当天股票价格,得到目前现金总额
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i]),dp[i-1][0]+prices[i] 指i-1天持有股票时的金额数加上第i天卖掉股票后赚得现金总额。
初始化:dp[0][0] = -prices[0], dp[0][1] = 0第一天买入股票和第一天不买股票
遍历顺序:从前向后遍历
打印dp数组:[[-7, 0], [-1, 0], [-1, 4], [1, 4], [1, 7], [3, 7]]
class Solution:
def maxProfit(self, prices: List[int]) -> int:
dp = [[0]*2 for _ in range(len(prices))]
dp[0][0] = -prices[0]
dp[0][1] = 0
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])
dp1 = dp[len(prices)-1][0]
dp2 = dp[len(prices)-1][1]
return max(dp1, dp2)