代码随想录算法训练营第四十八天| 121. 买卖股票的最佳时机，122.买卖股票的最佳时机II

目录

题目链接： 121. 买卖股票的最佳时机

思路

代码

题目链接：122.买卖股票的最佳时机II

思路

代码

总结

---

题目链接：121. 买卖股票的最佳时机

思路

        ①dp数组，采用二维dp数组，分别记录持有和不持有股票时的余额。dp[i][0]表示第i天不持有股票时的余额；dp[i][1]表示第i天持有股票时的余额

        ②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])前者表示当前不持有股票，前一天有两种状态，不持有，则余额保持，持有，则买入，减去当前的价格后者表示当前持有股票，前一天也有两种状态，持有，则余额保持，不持有，则今天卖出，加上今天卖出时的价格

        ③dp数组初始化，dp[0][0] = 0，dp[0][1] = -price[0]，第一天不持有，余额0；第一天持有，则表示买入，余额-price[0]

        ④遍历顺序，由递推公式可知，每天的余额都是前一天的状态推导而来，所以正序遍历

        ⑤推导dp数组

代码

class Solution {
public:
    //持有股票1，未持有股票0
    int maxProfit(vector<int>& prices) {
        if (prices.size() == 1)
            return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        for (int i = 1; i < prices.size(); i++) {
            //今天持有，可能前面买了，也可能今天买
            dp[i][1] = max(dp[i - 1][1], -prices[i]);
            //今天未持有，可能前面卖了，也可能今天卖
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
        }
        return dp[prices.size() - 1][0];
    }
};

题目链接：122.买卖股票的最佳时机II

思路

          ①dp数组，采用二维dp数组，分别记录持有和不持有股票时的余额。dp[i][0]表示第i天不持有股票时的余额；dp[i][1]表示第i天持有股票时的余额

        ②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])前者表示当前不持有股票，前一天有两种状态，不持有，则余额保持，持有，则买入，减去当前的价格后者表示当前持有股票，前一天也有两种状态，持有，则余额保持，不持有，则今天卖出，加上今天卖出时的价格

        ③dp数组初始化，dp[0][0] = 0，dp[0][1] = -price[0]，第一天不持有，余额0；第一天持有，则表示买入，余额-price[0]

        ④遍历顺序，由递推公式可知，每天的余额都是前一天的状态推导而来，所以正序遍历

        ⑤推导dp数组

代码

class Solution {
public:
    // 0表示未持有，1表示持有
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if (len == 1)
            return 0;
        vector<vector<int>> dp(len, vector<int>(2, 0));
        dp[0][0] = 0;          // 第一天不买
        dp[0][1] = -prices[0]; // 第一天买入
        for (int i = 1; i < len; i++) {
            // 今天未持有，可能今天卖了；可能前面就卖了或者就没买
            dp[i][0] = max(dp[i - 1][1] + prices[i], dp[i - 1][0]);
            // 今天持有，可能之前买的，也可能今天买的
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
        }
        return dp[len - 1][0];
    }
};

总结

        ①利用二维数组进行持有和未持有的状态记录还是很巧妙的，并不是对买入和卖出的状态记录，因为如果股票只能买卖一次时，之前买入后又买了，后面不能进行买卖，无法进行状态记录

        ②动态规划的核心依然是dp数组的定义以及递推公式，dp数组要能记录所有状态