阳了也要坚持!!!!! 121. 买卖股票的最佳时机 122.买卖股票的最佳时机II
121. 买卖股票的最佳时机
贪心算法:
class Solution:
def maxProfit(self, prices: List[int]) -> int:
min_price = float('inf')
max_profit = 0
for i in range(len(prices)):
min_price = min(min_price, prices[i])
max_profit = max(max_profit, prices[i]-min_price)
return max_profit
动态规划一:
class Solution:
def maxProfit(self, prices: List[int]) -> int:
# 动态规划一
dp = [0] * len(prices)
min_price = prices[0]
for i in range(1, len(prices)):
min_price = min(min_price, prices[i])
dp[i] = max(dp[i-1], prices[i]-min_price)
return dp[-1]
动态规划二:
动规五部曲分析如下:
一、
确定dp数组(dp table)以及下标的含义
dp[i][0] 表示第i天持有股票所得最多现金 ,这里可能有疑惑,本题中只能买卖一次,持有股票之后哪还有现金呢?其实一开始现金是0,那么加入第i天买入股票现金就是 -prices[i], 这是一个负数。
dp[i][1] 表示第i天不持有股票所得最多现金。注意这里说的是“持有”,“持有”不代表就是当天“买入”!也有可能是昨天就买入了,今天保持持有的状态
二、
确定递推公式
如果第i天持有股票即dp[i][0], 那么可以由两个状态推出来。第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i - 1][0]。第i天买入股票,所得现金就是买入今天的股票后所得现金即:-prices[i]那么dp[i][0]应该选所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], -prices[i]);如果第i天不持有股票即dp[i][1], 也可以由两个状态推出来第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1][1].第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金即:prices[i] + dp[i - 1][0]。同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
三、
dp数组如何初始化
由递推公式 dp[i][0] = max(dp[i - 1][0], -prices[i]); 和 dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);可以看出其基础都是要从dp[0][0]和dp[0][1]推导出来。那么dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能有前一天推出来,所以dp[0][0] -= prices[0];dp[0][1]表示第0天不持有股票,不持有股票那么现金就是0,所以dp[0][1] = 0;
四、
确定遍历顺序
从递推公式可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
五、
举例推导dp数组
class Solution:
def maxProfit(self, prices: List[int]) -> int:
length = len(prices)
if length == 0: return 0
dp = [[0]*2 for i 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], 0-prices[i])
dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0])
return max(dp[-1][0], dp[-1][1])
122.买卖股票的最佳时机II
贪心算法:
class Solution:
def maxProfit(self, prices: List[int]) -> int:
res = 0
for i in range(len(prices) - 1):
profit = prices[i+1] - prices[i]
if profit > 0:
res += profit
return res
动态规划:
与上题就只有递推公式的区别。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
length = len(prices)
if length == 0: return 0
dp = [[0]*2 for i 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], prices[i] + dp[i-1][0])
return max(dp[-1][0], dp[-1][1])