最近在力扣上刷到最佳买卖股票时机系列的题型,主要采用动态规划的思想来解决此类问题。在这里从简单情况,慢慢过渡到相对复杂的情况分析。
题一、买卖股票的最佳时机
题目描述
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票一次),设计一个算法来计算你所能获取的最大利润。
注意:你不能在买入股票前卖出股票。
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6 - 1 = 5 。
注意利润不能是 7 - 1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
来源 -> 力扣:买卖股票的最佳时机
题目分析1
1、 状态定义
状态 dp[i][j] 表示:在下标为 i 的这一天,用户手上持股状态为 j 所获得的最大利润。
说明:j 只有 2 个值:0 表示不持股(特指卖出股票以后的不持股状态),1 表示持股。
2、 状态转移
(1) dp[i][0] : 当前不持股,这种状态可以是,昨天不持股转移过来,即dp[i-1][0] ; 也可以是,昨天持股,今天卖出,即dp[i-1][1] + prices[i] ;
可得 :dp[i][0] = Math.max ( dp[i-1][0] , dp[i-1][1] + prices[i] ) ;
(2) dp[i][1] : 当前持股,这种状态可以是,昨天持股转移过来,即dp[i-1][1] ; 也可以是 - prices[i] ;
可得 :dp[i][1] = Math.max ( dp[i-1][1] , - prices[i] ) ;
这里的 - prices[i] 表示,在下标为 i 的这一天,执行买入操作得到的收益。注意:因为题目只允许一次交易,因此不能加上 dp[i - 1][0]。
3、 初始情况
第 0 天不持股,显然 dp[0][0] = 0 ;
第 0 天持股,显然 dp[0][1] = -prices[0] ;
4、 输出情况
从状态转移方程可以看出,每一天的状态都考虑了之前的状态。在只发生一次交易的情况下,持有这支股票一定不能使我们获得最大利润。因此输出是 dp[len - 1][0],不可能是持股的状态 dp[len - 1][1]
5、 实现
class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
if (len < 2) {
return 0;
}
// 0:用户手上不持股所能获得的最大利润,特指卖出股票以后的不持股,非指没有进行过任何交易的不持股
// 1:用户手上持股所能获得的最大利润
// 注意:因为题目限制只能交易一次,因此状态只可能从 1 到 0,不可能从 0 到 1
int[][] dp = new int[len][2];
dp[0][0] = 0;
dp[0][1] = -prices[0];
for (int i = 1; i < len; i++) {
dp[i][0] = Math.max(dp[i - 1][0]