本题需要求的是最大的利润,本题中理解利润拆分是关键点! 不要整块的去看,而是把整体利润拆为每天的利润。
一旦想到这里了,很自然就会想到贪心了,即:只收集每天的正利润,最后稳稳的就是最大利润了。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int profit = 0;
for(int i = 0; i < prices.size() - 1; i++){
if(prices[i + 1] - prices[i] > 0){
profit += prices[i + 1] - prices[i];
}
}
return profit;
}
};
动态规划:
- dp[i][0] 表示 第 i 天持有股票支出的现金, dp[i][1]表示第i天不持有股票所得最多现金
- 递推公式 要求的是获得的最大利润,那么在遍历中便需要不断地买入卖出,dp[i][0] = max(dp[i - 1][0], -prices[i]); dp[i - 1][0]表示在前一天买入了股票,-prices[i]表示在前一天将股票买到又卖掉,在今天购入股票
– 要统计出最大的利润,那么当今天股票价格,高于买入时的股票价格时, 即:dp[i][0] + prices[i] > 0,则更新利润,并购入今天的股票,dp[i][1] += dp[i - 1][1] + dp[i][0] + prices[i]; dp[i][0] = -prices[i];
– 否则,昨天的最多现金便是今天的最多现金 dp[i][1] = dp[i - 1][1]; - 初始化第一天dp[0][0] = - prices[0]; dp[0][1] = 0;
- 从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的,那么一定是从前向后遍历。
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
dp[0][0] = - prices[0];
for(int i = 1; i < prices.size(); i++){
dp[i][0] = max(dp[i - 1][0], -prices[i]);
if(dp[i][0] + prices[i] > 0){
dp[i][1] += dp[i - 1][1] + dp[i][0] + prices[i];
dp[i][0] = -prices[i];
}else{
dp[i][1] = dp[i - 1][1];
}
}
return dp[prices.size() - 1][1];
}
};
代码随想录 本题在动态规划中,dp[i][0] 表示第i天持有股票所得现金,而不是购入股票的支出,从而简化了递推公式。
-dp[i][0] 表示第i天持有股票所得现金。dp[i][1] 表示第i天不持有股票所得最多现金
- dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); // 注意这里是和121. 买卖股票的最佳时机唯一不同的地方。
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
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]); // 注意这里是和121. 买卖股票的最佳时机唯一不同的地方。
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
}
return dp[len - 1][1];
}
};