目录
121. 买卖股票的最佳时机(需要消化下dp的定义和赋值)
看到题目的第一想法
看到代码随想录之后的想法
自己实现过程中遇到的困难
122.买卖股票的最佳时机II(需要理解与消化)
看到题目的第一想法
看到代码随想录之后的想法
自己实现过程中遇到的困难
121. 买卖股票的最佳时机(需要消化下dp的定义和赋值)
力扣题目链接(opens new window)
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
-
示例 1:
-
输入:[7,1,5,3,6,4]
-
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。 -
示例 2:
-
输入:prices = [7,6,4,3,1]
-
输出:0
解释:在这种情况下, 没有交易完成,
看到题目的第一想法
1 使用暴力,两层for,记录最大差值
2 使用贪心,从第一个递增的位置开始,求最大的sum
3 卡哥要求使用dp ,但是我没想出办法
令dp为最大利润,无法判断
看到代码随想录之后的想法
对于第i天的股票,有两种状态
1 买入状态
1 之前就买入
2 第i天买入
2 卖出状态
1 之前就卖出
2 第i天卖出
确定dp数组以及下标的含义
int dp[i][2]
dp[i][0]:代表第i天持有股票的最大现金
dp[i][1]:代表卖出后的值,第i天不持有股票的最大现金
确定递推公式
若当天买入 则为 -price[i]
dp[i][0] = Math.max(dp[i-1][0],0-price[i])
若当天卖出,则为dp[i-1][0]+price[i]
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]+price[i]);
dp数组初始化
dp[0][0]=-price[i]
dp[0][1] = 0
确定遍历顺序
从前往后
举例推导dp数组
自己实现过程中遇到的困难
过程比较绕需要再消化一下
dp的定义和赋值
class Solution {public int maxProfit(int[] prices) {//我的做法//暴力,两层for求最大差值,进行返回//贪心,从第一个前面小于后面的开始,看后面的最大差值/*int maxDiff=0;for(int i=0;i<prices.length-1;i++){if(prices[i]<prices[i+1]){int j=i+1;while(j<prices.length&&prices[i]<=prices[j]){int diff = prices[j]-prices[i];maxDiff = maxDiff>diff?maxDiff:diff;j++;}i=j-1;}}return maxDiff;*///卡哥思路,统一做法二维数组//dp数组的定义和下标的含义//dp[i][0]第i天持有股票的现金最大值,dp[i][1]第i天不持有股票的所得最大现金//确定递推公式//dp[i][0] 第i天持有股票的最大现金之前和今天哪个拥有现金最大,取最大的Math.max(dp[i-1][0],-price[i]);//dp[i][1] 第i天不持有股票的最大值,看之前卖出后和今天卖出后哪个最大//Math.max(dp[i-1][1],dp[i-1][0]+price[i]);//dp数组初始化// dp[0][0] = -price[0],dp[0][1] = 0;//确定遍历顺序//从前往后//举例推导dp数组//打印dp数组int[][] dp = new int[prices.length][2];dp[0][0]=-prices[0];dp[0][1]=0;for(int i=1;i<prices.length;i++){//之前和今天买入哪个拥有的现金最多dp[i][0] = Math.max(dp[i-1][0],-prices[i]);//之前卖出和今天卖出(今天卖出的,前一天买入的留下最大现金卖出则+prices[i],dp[i-1][0]+price[i])dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]+prices[i]);}return dp[prices.length-1][1];}
}
122.买卖股票的最佳时机II(需要理解与消化)
力扣题目链接(opens new window)
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
-
示例 1:
-
输入: [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 。 -
示例 2:
-
输入: [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 。注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。 -
示例 3:
-
输入: [7,6,4,3,1]
-
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
提示:
- 1 <= prices.length <= 3 * 10 ^ 4
- 0 <= prices[i] <= 10 ^ 4
看到题目的第一想法
使用贪心,从第一个递增的位置开始,求最大的sum
卡哥要求使用dp ,按照之前的办法没想出来
看到代码随想录之后的想法
对于第i天的股票,有两种状态
1 买入状态
1 之前就买入
2 第i天买入
2 卖出状态
1 之前就卖出
2 第i天卖出
确定dp数组以及下标的含义
int dp[i][2]
dp[i][0]:代表第i天持有股票的最大现金
dp[i][1]:代表卖出后的值,第i天不持有股票的最大现金
确定递推公式
若当天买入 则为 dp[i-1][1]-price[i],
若当天买入,则之前未买入,将之前未买入的现金来进行买入操作dp[i-1][1]-price[i]
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]-price[i])
若当天卖出,则之前买入过,则为dp[i-1][0]+price[i]
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]+price[i]);
dp数组初始化
dp[0][0]=-price[0]
dp[0][1] = 0
确定遍历顺序
从前往后
举例推导dp数组
自己实现过程中遇到的困难
过程比较绕需要再消化一下
dp的定义和赋值
class Solution {public int maxProfit(int[] prices) {//贪心 如果后面的比前面的要大,则加上/*int sum=0;for(int i=0;i<prices.length-1;i++){if(prices[i]<prices[i+1]){sum+=(prices[i+1]-prices[i]);}}return sum;*///确定dp数组以及每个下标的含义//和上一题一样 //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//确定递推公式()//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,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:dp[i - 1][1] - prices[i]// 和上一题的区别,若第i天买入股票,则需要用昨天不持有股票的现金去买,dp[i-1][1]-price[i]// 若第i天不买入股票,则取上一天的值// 若第i天卖出股票,// 当前是持有股票的状态,则dp[i][1] = dp[i-1][0]+price[i]// (不用累加上一次卖出股票的现金吗?不用,这里考虑的是上一次持有股票的状态卖出后的结果)// 若第i天不卖出股票,则dp[i][1] = dp[i-1][1]//dp数组初始化//dp[0][0]=-price[0],dp[0][1]=0//确定遍历顺序//从前往后//举例推导dp数组int[][] dp = new int[prices.length][2];dp[0][0] = -prices[0];dp[0][1] = 0;for(int i=1;i<prices.length;i++){//当天买入,则看之前没买入dp[i-1][1]-price[0]dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]-prices[i]);//当天卖出,则看之前买入的值dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]+prices[i]);}return dp[prices.length-1][1];}
}