买股票的最佳时机||
题目描述
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例1
输入:prices = [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 。
总利润为 4 + 3 = 7 。
示例2
输入:prices = [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 。
总利润为 4 。
思路及实现
My first method
思路: 只要明天的价格大于今天,就进行买入和卖出,然后累加起来即可求出总利润,当然这种方法最好理解和方便操作。我们可以把各个天数和股票价格列出函数对应关系,画出曲线,则可以看出这个方法是把各个上升区间相加,得到总利润。
只关注,目前情况下的最优方案。
实现:
具体代码实现:
public class maximumProfitPlus {
//贪心算法
public static void main(String[] args) {
int[] price = {7,1,5,3,6,4};
int allProfit = 0;
if(price.length < 2){
System.out.println("无利润" );
}
for (int i = 1; i < price.length; i++) {
if(price[i] > price[i-1]){
allProfit += price[i] - price[i-1];
}
}
System.out.println("总利润为:" + allProfit);
}
}
/*结果:
总利润为:7*/
My second method
动态规划
LeetCode官方思路:
考虑到「不能同时参与多笔交易」,因此每天交易结束后只可能存在手里有一支股票或者没有股票的状态。
定义状态 dp[i][0]\textit{dp}[i][0]dp[i][0] 表示第 iii 天交易完后手里没有股票的最大利润,dp[i][1]\textit{dp}[i][1]dp[i][1] 表示第 iii 天交易完后手里持有一支股票的最大利润(iii 从 000 开始)。
考虑 dp[i][0]\textit{dp}[i][0]dp[i][0] 的转移方程,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前一天已经没有股票,即 dp[i−1][0]\textit{dp}[i-1][0]dp[i−1][0],或者前一天结束的时候手里持有一支股票,即 dp[i−1][1]\textit{dp}[i-1][1]dp[i−1][1],这时候我们要将其卖出,并获得 prices[i]\textit{prices}[i]prices[i] 的收益。因此为了收益最大化,我们列出如下的转移方程:
dp[i][0]=max{dp[i−1][0],dp[i−1][1]+prices[i]}\textit{dp}[i][0]=\max{\textit{dp}[i-1][0],\textit{dp}[i-1][1]+\textit{prices}[i]}
dp[i][0]=max{dp[i−1][0],dp[i−1][1]+prices[i]}
再来考虑 dp[i][1]\textit{dp}[i][1]dp[i][1],按照同样的方式考虑转移状态,那么可能的转移状态为前一天已经持有一支股票,即 dp[i−1][1]\textit{dp}[i-1][1]dp[i−1][1],或者前一天结束时还没有股票,即 dp[i−1][0]\textit{dp}[i-1][0]dp[i−1][0],这时候我们要将其买入,并减少 prices[i]\textit{prices}[i]prices[i] 的收益。可以列出如下的转移方程:
dp[i][1]=max{dp[i−1][1],dp[i−1][0]−prices[i]}\textit{dp}[i][1]=\max{\textit{dp}[i-1][1],\textit{dp}[i-1][0]-\textit{prices}[i]}
dp[i][1]=max{dp[i−1][1],dp[i−1][0]−prices[i]}
对于初始状态,根据状态定义我们可以知道第 000 天交易结束的时候 dp[0][0]=0\textit{dp}[0][0]=0dp[0][0]=0,dp[0][1]=−prices[0]\textit{dp}[0][1]=-\textit{prices}[0]dp[0][1]=−prices[0]。
因此,我们只要从前往后依次计算状态即可。由于全部交易结束后,持有股票的收益一定低于不持有股票的收益,因此这时候 dp[n−1][0]\textit{dp}[n-1][0]dp[n−1][0] 的收益必然是大于 dp[n−1][1]\textit{dp}[n-1][1]dp[n−1][1] 的,最后的答案即为 dp[n−1][0]\textit{dp}[n-1][0]dp[n−1][0]。
作者:力扣官方题解
链接:https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/solutions/2201406/shi-pin-jiao-ni-yi-bu-bu-si-kao-dong-tai-o3y4/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
思路: 通过参考,LeetCode官方给我出的思路,又查阅了一点文档对动态规划有一个简单的理解,不过在后续的学习中我会进一步去学习,通过自己的理解,使用动态规划代码算法实现如下:
代码具体运行:
实现:
具体代码实现:
public class maximumProfitPlus {
//贪心算法
public static void main(String[] args) {
int[] price = {7,1,5,3,6,4};
int allProfit = 0;
if(price.length < 2){
System.out.println("无利润" );
}
for (int i = 1; i < price.length; i++) {
if(price[i] > price[i-1]){
allProfit += price[i] - price[i-1];
}
}
System.out.println("总利润为:" + allProfit);
}
}
/*结果:
总利润为:7*/
注意到上面的状态转移方程中,每一天的状态只与前一天的状态有关,而与更早的状态都无关,因此我们不必存储这些无关的状态,只需要将 dp[i−1][0]\textit{dp}[i-1][0]dp[i−1][0] 和 dp[i−1][1]\textit{dp}[i-1][1]dp[i−1][1] 存放在两个变量中,通过它们计算出 dp[i][0]\textit{dp}[i][0]dp[i][0] 和 dp[i][1]\textit{dp}[i][1]dp[i][1] 并存回对应的变量,以便于第 i+1i+1i+1 天的状态转移即可。
public class maximumProfitPlus2 {
//动态规划
public static void main(String[] args) {
int[] prices = {7, 1, 5, 3, 6, 4};
int n = prices.length;
int dp0 = 0, dp1 = -prices[0];
for (int i = 1; i < n; ++i) {
int newDp0 = Math.max(dp0, dp1 + prices[i]);
int newDp1 = Math.max(dp1, dp0 - prices[i]);
dp0 = newDp0;
dp1 = newDp1;
}
System.out.println("最大利润为:" + dp0);
}
}
/*结果:
最大利润为:7*/
收获
通过该算法,认识和学习到了贪心算法即考虑目前的最有结果,动态规划即记录已经处理的数据,进行记忆搜索的思想,空间换时间的思想这也后续我将还会对动态规划进一步深入学习和理解。