代码随想录算法训练营第四十一天 | 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

训练营第四十一天打卡，今天解决股票买卖问题，动态规划解法关键在于状态定义。

---

121. 卖股票的最佳时机

题目链接

解题过程

• 用动态规划做，定义两个状态：当天持有股票的最大利润，当天不持有股票的最大利润
• 由于只买卖一次股票，当天持有股票的最大利润等于max(昨天持有股票的最大利润，-当天股票价格)

动态规划

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>>dp(prices.size(), vector<int>(2));
        dp[0][0] = -prices[0]; // 持有股票最大利润
        dp[0][1] = 0; // 不持有股票最大利润
        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], dp[i - 1][0] + prices[i]);
        }
        return dp.back()[1];
    }
};

---

122.买卖股票的最佳时机Ⅱ

题目链接

做题过程

• 用贪心，只要后一天的股价比前一天的高，那就加上这一天利润，否则不做操作
• 用动态规划，用数组记下每一天持有和不持有股票的最大利润

知识点

• 局部最优：收集每天的正利润，全局最优：求得最大利润。时间复杂度：O(n)，空间复杂度：O(1)
• 动态规划时间复杂度：O(n)，空间复杂度：O(n)

动态规划

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>>dp(prices.size(), vector<int>(2));
        dp[0][0] = -prices[0]; // 持有股票最大利润
        dp[0][1] = 0; // 不持股票最大利润
        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][0] + prices[i], dp[i - 1][1]);
        }
        return dp.back()[1];
    }
};

---

123.买卖股票的最佳时机Ⅲ

题目链接

解题过程

• 定义四个状态：
  • dp[i][0]第一次持有股票最大利润
  • dp[i][1]第一次不持有股票最大利润
  • dp[i][2]第二次持有股票最大利润
  • dp[i][3]第二次不持有股票最大利润
• 每个状态都可以有本身的上一次状态或者其他状态推导来

动态规划

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>>dp(prices.size(), vector<int>(4));
        dp[0][0] = -prices[0]; // 第一次持有股票最大利润
        dp[0][1] = 0;          // 第一次不持有股票最大利润
        dp[0][2] = -prices[0]; // 第二次持有股票最大利润
        dp[0][3] = 0;          // 第二次不持有股票最大利润
        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], 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.back().back();
    }
};