【初级算法】LC——2.买卖股票的最佳时机 II

本篇知识点：动态规划

每次决策依赖于当前状态，有随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。

动态规划所处理的问题是一个多阶段决策问题，一般由初始状态开始，通过对中间阶段决策的选择，达到结束状态。这些决策形成了一个决策序列，同时确定了完成整个过程的一条活动路线（通常是求解最优的活动路线）。

简单来说就是：每个结果都根据上一次的结果来选择决策会产生决策序列，动态规划就是找到里面最好的解决方法

题目说明：

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。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

提示：

1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4

题目要求

读题可知，我们需要得出交易的最大利益值，并且不能连续交易，手里不能持有两份股票，只能在卖出后才能买入。

解题步骤

函数给到两个参数：1、股票价格数组，2、合计天数；
首先我们先声明两个int 变量dp0 和dp1，dp0 用来保存手中无股票时的最大值，dp1 用来保存手中持有股票时的最大值；
其次我们要对比出下一次两种情况的最大值。
从图中我们可以看出，每次都分为两种情况，一种是手里持有股票，另一种是没有持有。而有股票时我们可以选择持有或者卖出，无股票时选择买入或不买入。这里我们就需要对比两种情况，看哪种情况的利益最大。
最后我们返回的值是dp0，因为只有将股票卖出后，才能将钱落袋为安。

int maxProfit(int* prices, int pricesSize){
    int dp0 = 0, dp1 = -prices[0];	//声明dp0 和dp1，dp0 用来保存手里无股票的最大利润，dp1 保存手里有股票的最大利润。
    for(int i = 1; i < pricesSize; i++){	// 遍历数组
    	// 找到手里有无股票时各自的最大利润
        dp0 = fmax(dp0, dp1 + prices[i]);
        dp1 = fmax(dp1, dp0 - prices[i]);                       
    }
    // 返回时股票以卖出的最终结果
    return dp0;
}