LeetCode122.买卖股票的最佳时机（Java+贪心/动态规划的详讲）

题目

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。

分析

别慌！先读个题！！
“它的第 i 个元素是一支给定股票第 i 天的价格”——价格是变动的
“计算你所能获取的最大利润”——看怎么买卖赚最多的钱
“尽可能地完成更多的交易（多次买卖一支股票）”——这句话需要好好理解：尽可能？？？那可以同一天卖了，同一天继续买吧！
“必须在再次购买前出售掉之前的股票”——卖了才能买或者本来就没有买股票，可以去买

然而我看案例，一直理解的是：我今天买入，明天如果升值了，我就卖，然后要隔一天，我才能继续买，然后再卖，其实这样想，我是做不出来的。就这个题的思路，我们可以通过“贪心算法”来取巧。

贪心算法

特点：一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况，它省去了为找最优解要穷尽所有可能而必须耗费的大量时间，它采用自顶向下，以迭代的方法做出相继的贪心选择，每做一次贪心选择就将所求问题简化为一个规模更小的子问题，通过每一步贪心选择，可得到问题的一个最优解，虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的。

这道题，我们知道如果后面的数，比前面的数大，那么就可以进行买卖，此时利润profit为>0的，可以累加。

  public int maxProfit(int[] prices) {
        int profit = 0;
        for (int i = 1; i < prices.length; i++) {
            int tmp = prices[i] - prices[i - 1];
            if (tmp > 0)
            	 profit += tmp;
        }
        return profit;
    }

也可以这样写：

public int maxProfit2(int[] prices) {
		int pre = prices[0];
		int ans = 0;
		for (int i = 1; i < prices.length; i++) {
			if (pre < prices[i]) {
				ans += prices[i] - pre;
			}
			pre = prices[i];
		}
		return ans;

	}

参考文章

【1】买卖股票的最佳时机 II （贪心，清晰图解）
【2】暴力搜索、贪心算法、动态规划

动态规划

动态规划的基本模型如下:
(1)确定问题的决策对象。
(2)对决策过程划分阶段。
(3)对各阶段确定状态变量。
(4)根据状态变量确定费用函数和目标函数。
(5)建立各阶段状态变量的转移过程，确定状态转移方程。

根据题意，我们设置一个二维数组：

dp[i][0] 表示第 i 天交易完后手里没有股票的最大利润；
dp[i][1] 表示第 i 天交易完后手里持有一支股票的最大利润（i 从 0 开始）。

动态规划的转移方程：

1. dp[i][0]： 如果这一天交易完后手里没有股票，那么可能的转移状态为：
   【暂停一下，理解”这一天交易完后“！——这一天的交易，可以是不交易，也可以是交易卖出股票】
   （1）前一天已经没有股票，即dp[i−1][0]；
   （2）前一天结束的时候手里持有一支股票，即dp[i−1][1]，这时候我们要将前一天的卖出，并获得 prices[i]的收益。
2. dp[i][1]：按照同样的方式考虑转移状态，可能的转移状态为：
   【持有股票：可以是前一天的股票，我今天也持有；或者前一天没有，我买入，所以今天也持有】
   （1）前一天已经持有一支股票，即dp[i−1][1]；
   （2）前一天结束时还没有股票，即 dp[i−1][0]，这时候我们要将其买入，并减少prices[i] 的收益。

所以我们可以得出：

• dp[i][0]=max{dp[i−1][0], dp[i−1][1]+prices[i]}
• dp[i][1]=max{dp[i−1][1], dp[i−1][0]−prices[i]}

 public int maxProfit(int[] prices) {
		int n = prices.length;
		int[][] dp = new int[n][2];
		dp[0][0] = 0;
		dp[0][1] = -prices[0];
		for (int i = 1; i < n; ++i) {
			dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
			dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
		}
		return dp[n - 1][0];
	}

最后返回当日交易后没有股票的值dp[n - 1] [0]。

反思

这道题挺。。。挺什么呢？我想了半天，写了老长的代码，过了172个，一看题解，人家那个读题读的通透又有理，我能说什么呢？我这个语文不太好啊，理解能力不行，当然不能全怪语文，能力不足是硬伤呀。
多练才是硬道理！
end.