文章目录
- 1. 买卖股票的最佳时机
- 1.1 描述
- 1.2 分析
- 1.3 解答
- 2.买卖股票的最佳时机II
- 2.1 描述
- 2.2 分析
- 2.3 解答
- 2.4 拓展
- 2.5 拓展二
1. 买卖股票的最佳时机
题121 买卖股票的最佳时机
1.1 描述
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, 所以最大利润为 0。
1.2 分析
获得最大利润,那就是要在最低的价格买入,最高的价格卖出,而且必定是先买入,后卖出。由于限定了是这笔交易,即只能交易一次,那就不能进行多次交易。
当知道今天的股票交易价格的时候,可以和前一天的交易价格比,更低价格的那天,是更合适的买入机会,即更低的价格,是成本。
与之相对应,卖的时候要价格更高的时候,是卖出的合适机会。我们可以记录每一天的买入、卖出的价格,把价格记录到结果中。
1.3 解答
class Test {public int maxProfit(int[] prices) {int cost = Math.MAX_VALUE;int profit = 0;for (int price : prices) {cost = Math.min(cost, price);profit = Math.max(profit, price - cost);}return profit;}
}
2.买卖股票的最佳时机II
题122 买卖股票的最佳时机II
2.1 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 。
示例 3:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
2.2 分析
这个问题和前一天问题最大的不同在于,可以进行多次买卖。那么每天都有两种情况,如果今天卖出股票,有多少profit,如果今天持有股票,又有多少profit?那么可以创建一个二维数组来表示,即dp[i][0]表示第i天的时候,卖出股票获得的最大利润是多少,dp[i][1]表示今天继续持有股票,当前的利润最大是多少?
若当前卖出股票,最大利润如何计算?即用当前的价格,减去前一天持有股票的成本,这个成本就是上一题讨论的前n天中相对成本较低的时候。
与之相对应,继续持有股票,那么今天的利润是前一天持有股票的相反数,即只花了钱买股票,没有卖出。
对于第i天,计算不持有股票时的最大利润dp[i][0],取前一天不持有股票的最大利润dp[i-1][0]和前一天持有股票的最大利润加上当天卖出股票的价格dp[i-1][1] + prices[i]的较大值。
对于第i天,计算持有股票时的最大利润dp[i][1],取前一天持有股票的最大利润dp[i-1][1]和前一天不持有股票的最大利润减去当天买入股票的价格dp[i-1][0] - prices[i]的较大值。
直到最后一天,股票一定要卖出了,再持有也是属于亏损了。
这里特别关照的是第一天的时候,卖出股票是没有可以卖的,因此这一天的利润就是0;第一天持有股票赚取的利润就是当天价格的相反数,因为只有花钱买了股票。
2.3 解答
class Solution {public int maxProfit(int[] prices) {if (prices.length < 2) {return 0;} int len = prices.length;int[][] dp = new int[len][2];dp[0][0] = 0;dp[0][1] = -prices[0];for (int i = i; i < len; i++) {dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);dp[i][1] = Math.max(dp[i - 1][1], pd[i - 1][0] - prices[i]);}return dp[len - 1][0];}
}
2.4 拓展
由于当前的利润,只和前一天的结果相关,那么也可以不用开辟二维数组存放,直接给定变量即可。
class Solution {public int maxProfit(int[] prices) {int len = prices.length;if (len < 2) {return 0;}int cash = 0;int stock = -prices[0];int preCash = 0;int preStock = stock;for (int price : prices) {cash = Math.max(preCash, preStock + price);stock = Math.max(preStock, preCash - price);preCash = cash;preStock = stock;}return cash;}
}
2.5 拓展二
此题也可以用贪心算法来求解。
贪心算法(Greedy algorithm)是一种基于贪心策略的算法设计方法。在贪心算法中,每一步都选择当前状态下的最优解,以期望最终获得全局最优解。贪心算法的核心思想是:每一步都做出在当前状态下看起来最好的选择,而不考虑该选择对未来的影响。
贪心算法通常适用于满足贪心选择性质和最优子结构的问题。贪心选择性质指的是通过选择当前最优解,能够得到全局最优解。最优子结构指的是问题的最优解包含了子问题的最优解。这些性质保证了贪心算法的可行性和正确性。
今天的股价-昨天的股价,只有三种结果:
- 正数
- 负数
- 0
那么要累计收益最大,那就只需要累加赚钱的情况,即所有都是赚钱的时候,那么就是利润最大的时刻。
贪心选择性质的证明:
借助 「差分」 这个概念,可以证明 「贪心算法」 的有效性。贪心算法是选择那些所有差分(严格)大于 0 的数,把它们相加即可。
使用反证法:
假设 「贪心算法」 得到的解并不是最优解,即我们还能够找到一个可行解比 「贪心算法」 得到的利润还多。差分数组中除了差分为正数的项以外,还有就是差分为 0 的项与差分为负数的项。「贪心算法」 是所有差分为正数的项的和。有以下 3种情况:
-
- 如果可行解在 「贪心算法」 的基础上,选择了差分为 0的项,得到的结果与「贪心算法」得到的结果一样,因此加上差分为 0 的项不会比「贪心算法」得到的结果更好;
-
- 如果可行解在 「贪心算法」 的基础上,选择了差分为负数的项,加上一个负数得到的结果一定比 「贪心算法」 得到的结果要少,加上差分为负数的项,一定比 「贪心算法」 得到的结果更少;
-
- 如果可行解在 「贪心算法」 的基础上,去掉了任何一个差分为正数的项,同上,得到的结果一定比 「贪心算法」 得到的结果要小,因此,「贪心算法」 的所有组成项不能删去任何一个。
public class Solution {public int maxProfit(int[] prices) {int len = prices.length;if (len < 2) {return 0;}int res = 0;for (int i = 1; i < len; i++) {res += Math.max(prices[i] - prices[i - 1], 0);}return res;}
}