代码随想录算法训练营day41 | 121. 买卖股票的最佳时机、122.买卖股票的最佳时机II 、123.买卖股票的最佳时机III

碎碎念：头好痒 要长脑子了
参考：代码随想录

121. 买卖股票的最佳时机

题目链接

121. 买卖股票的最佳时机

思想

每一天都有两个状态，买这支股票和不买这支股票。注意本题的股票只能买卖一次。
动态规划五部曲：

1. 确定dp数组以及下标的含义：dp[i][0]，第i天持有股票所能得到的最大金额；dp[i][1]，第i天不持有股票所能得到的最大金额。最后比较dp[len-1][0]和dp[len-1][1]。
2. 确定递推公式：
3. dp数组的初始化：dp[0][0]=-prices[0], dp[0][1]=0
4. 确定遍历顺序：for循环，从前往后遍历
5. 打印dp数组：主要用来debug。

题解

// cpp
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if (len == 0) return 0;
        vector<vector<int>> dp(len, vector<int>(2));
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < len; i++) {
            dp[i][0] = max(dp[i-1][0], -prices[i]);
            dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0]);
        }
        return dp[len-1][1];
    }
};

# python
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        if len(prices) == 0:
            return 0
        dp = [[0] * 2 for  _ in range(len(prices))]
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1, len(prices)):
            dp[i][0] = max(dp[i-1][0], -prices[i])
            dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0])
        
        return dp[-1][1]

反思

122.买卖股票的最佳时机II

题目链接

122.买卖股票的最佳时机II

思想

与上一题的区别在于，本题的股票可以买卖多次。
动态规划五部曲：

1. 确定dp数组以及下标的含义：dp[i][0]，第i天持有股票所能得到的最大金额；dp[i][1]，第i天不持有股票所能得到的最大金额。最后比较dp[len-1][0]和dp[len-1][1]。
2. 确定递推公式：
3. dp数组的初始化：dp[0][0]=-prices[0], dp[0][1]=0
4. 确定遍历顺序：for循环，从前往后遍历
5. 打印dp数组：主要用来debug。

题解

// cpp
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        vector<vector<int>> dp(len, vector<int>(2, 0));
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < len; i++) {
            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]);
        }
        return dp[len-1][1];
    }
};

# python
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        length = len(prices)
        if length == 0:
            return 0
        dp = [[0] * 2 for _  in range(length)]
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        for i in range(1, length):
            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])

        return dp[-1][1]

反思

注意和上一题对比。

123.买卖股票的最佳时机III

题目链接

123.买卖股票的最佳时机III

思想

本题的股票至多买卖两次。
动态规划五部曲：

1. 确定dp数组以及下标的含义：dp[i][0]，不操作；dp[i][1]，第一次持有；dp[i][2]第i天不持有；dp[i][3]第二次持有；dp[i][4]第二次不持有。最后返回dp[len-1][4]

2. 确定递推公式：

3. dp数组的初始化：dp[0][0]=0, dp[0][1]=-prices[0]，dp[0][2]=-prices[0]，dp[0][3]=0，dp[0][4]=0

4. 确定遍历顺序：for循环，从前往后遍历

5. 打印dp数组：主要用来debug。

题解

// cpp
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if (len == 0) return 0;
        vector<vector<int>> dp(len, vector<int>(5, 0));
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for (int i = 1; i < len; i++) {
            dp[i][0] = dp[i - 1][0];
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
        return dp[len-1][4];
    }
};

# python
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        length = len(prices)
        if length == 0:
            return 0
        dp = [[0] * 5 for _ in range(length)]
        dp[0][1] = -prices[0]
        dp[0][3] = -prices[0]
        for i in range(1, length):
            dp[i][0] = dp[i-1][0]
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
            dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])
            dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i])
            dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i])
        return dp[-1][4]
        

反思