二刷代码随想录训练营Day 41|力扣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

1.买卖股票的最佳时期

视频讲解：动态规划之 LeetCode：121.买卖股票的最佳时机1_哔哩哔哩_bilibili

代码随想录

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(),vector<int>(2, 0));
        // dp[i][0] 表示第i填持有股票的最大利润 （持有 ！= 当天买入）
        // dp[i][1] 表示第i填不持有股票的最大利润
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for(int i = 1; i < prices.size(); i++){
            dp[i][0] = max(dp[i - 1][0], -prices[i]);
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.size() - 1][1];
    }
};

 note：

dp数组的含义：dp[i][0]表示当天持有股票的最大利润；dp[i][1]表示当天不持有股票的最大利润

递推公式：

        dp[i][0] = max(dp[i -1][0 ],dp[i - 1][1]) 第i天持有股票，有两种可能，一种是前一天就已经是持有股票的状态了，第i天只是去保持这种状态；另一种是，当天才去购买股票，由于题上说只能购买一支股票，因此直接在0的基础上-prices[i]

        dp[i][1] = max(dp[i - 1][1],dp[i - 1][0] + prices[i] )，第i天不持有股票，也有两者可能，可能前一天就已经不持有股票了，第i天只是保持这种状态；另一种是，当天把股票卖出了，这种情况的前提是前一天已经持有股票了，因此为dp[i - 1][0] + prices[i]

dp数组的初始化：根据递推公式，我们需要初始化dp[0][0]和dp[0][1]，按照dp数组的含义进行初始化即可，dp[0][0] = -prices[0] dp[0][1] = 0

遍历顺序：正序遍历，因为后面的元素的求值依赖于前一个元素

2.买卖股票的最佳时期2

视频讲解：动态规划，股票问题第二弹 | LeetCode：122.买卖股票的最佳时机II_哔哩哔哩_bilibili

 代码随想录

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(),vector<int>(2,0));
        // dp[i][0] 表示第i天持有股票的最大利润
        // dp[i][1] 表示第i天不持有股票的最大利润
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for(int i = 1; i < prices.size(); 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[prices.size() - 1][1];
    }
};

note：

和上题的区别在于，dp[i][0]的求法，因为本题不再限制只能购买一支股票，因此不需要在0的基础上当天购入股票了，而是在前一天不持有股票的基础上卖出股票，也就是dp[i - 1][1] - prices[i]

其它的都一样，就不写了。

3.买卖股票的最佳时期3

视频讲解：动态规划，股票至多买卖两次，怎么求？ | LeetCode：123.买卖股票最佳时机III_哔哩哔哩_bilibili

代码随想录

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(),vector<int>(5,0));
        // dp[i][0] 没有进行任何操作
        // dp[i][1] 第一次持有股票
        // dp[i][2] 第一次不持有股票
        // dp[i][3] 第二次持有股票
        // dp[i][4] 第二次不持有股票
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for(int i = 1; i < prices.size(); i++){
            dp[i][1] = max(dp[i - 1][1], -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[prices.size() - 1][4];
    }
};

 note：

dp数组的含义：因为这道题限制最多买两支股票，因此本题的状态要设置得多一点，区分开第一次买入和第二次买入的情况。

        // dp[i][0] 没有进行任何操作

        // dp[i][1] 第一次持有股票

        // dp[i][2] 第一次不持有股票

        // dp[i][3] 第二次持有股票

        // dp[i][4] 第二次不持有股票

递推公式：总体都是一个思路，要不保持前一天的同样的状态，要不去在前一天的某种状态的基础上，去在当天进行改变。

            dp[i][1] = max(dp[i - 1][1], -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]);

初始化：dp[0][0] = 0 dp[0][i] = - prices[0] dp[0][2] = 0 dp[0][3] = -prices[0] dp[0][4] = 0

遍历顺序：正序遍历，因为后面的元素的求值依赖于前一个元素