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。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:
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 。
解题思路:
- 什么时候购买股票?
购买股票的时机在于:后面的销售日中存在销售价格高于当前价格的时期。 - 什么时候抛售股票?
抛售时机在于:(前提是有股票在手)如果明天股票的价格开始下跌了那么今天就抛售。 - 可能的疑问:如果明天股票的价格下跌,后天股票价格上涨,如何保证今天抛售可以取得最大利润呢?
如果后天的价格更高,那么明天购买股票后天抛售将获得更高的利润。
由此可见,本题的基本解法是“贪心”,稍有改良的地方是:如果股票的价格持续上涨,那么可以直到股票有下跌之势开始再进行抛售。
本人答案:(java)
class Solution {
public int maxProfit(int[] prices) {
// 判断下一天的价格是涨价还是跌,如果涨价那么就说明可以挣到钱,否则无法挣钱
int profit = 0;
// temp用于记录中间价格
int temp = 0;
int i = 0;
// price_now假设目前有股票时股票的售价
int price_now = prices[i];
for(i=1; i<prices.length; i++){
// 贪心,如果明天的价格开始下跌,那么抛售股票
if(price_now >= prices[i]){
profit += temp;
temp = 0;
}else{
// 股票持续上涨,用temp记录直至目前可挣到的利润
temp += prices[i]-price_now;
}
// 假设今天抛售(可能的利润已经存入temp)
price_now = prices[i];
}
profit += temp;
return profit;
}
}
大神答案:DP动态规划(python)
思路:每日可能的状态仅有两个,即:“有股票”与“没有股票”。对于第一种情况有可能由于昨日有股票且今日不抛售,或者昨日无股票,今日购入股票;第二种情况可能由于昨日无股票且今日不购入,或者昨日有股票今日将股票抛售。每个状态对应的利润值取最大的可能利润。答案为最后一日无股票状态值。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if not prices:
return 0
n = len(prices)
dp = [[0]*2 for _ in range(n)]
# dp[i][0]表示第i天不持有股票, dp[i][1]表示第i天持有股票
dp[0][0], dp[0][1] = 0, - prices[0]
for i in range(1, n):
# 第i天无股票可能由于前一天无股票,或者前一天有股票今日抛售
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
# 第i天有股票可能由于前一天有股票,或者前一天无股票今日购入
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
return dp[n-1][0]
刚看到这种解法的时候我是半信半疑的,总觉得哪里有点问题。或许有同学和我有一样的疑问:怎么保证当前状态下取max能够令最后的profit取到最优呢?最开始我将结论归于:贪心思想。但是仔细一想这像贪心但不是贪心:该解法首先确定明确了所有的状态,是在有限状态下取得最优解。输入的初始条件是确定的:即第一日有无股票是确定的,那么在有限状态的支持下,就能够摸索出最优解。(可以理解为依据第一天推出的第二天仍然是确定的,以此类推最终的结果是一定的)
注:答案来自LeeCode ID为“派大星星星星”的用户