算法训练营day49|动态规划 part10：(LeetCode 121. 买卖股票的最佳时机、122.买卖股票的最佳时机II)

121. 买卖股票的最佳时机

题目链接🔥

给定一个数组 prices ，它的第 i 个元素 pricesi 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

贪心方法

取最左最小值，取最右最大值，那么得到的差值就是最大利润。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int low = INT_MAX;
        int result = 0;
        for (int i = 0; i < prices.size(); i++) {
            low = min(low, prices[i]);  // 取最左最小价格
            result = max(result, prices[i] - low); // 直接取最大区间利润
        }
        return result;
    }
}

动规方法

1. 确定dp数组（dp table）以及下标的含义

dpi0 表示第i天持有股票所得最多现金 ，这里可能有同学疑惑，本题中只能买卖一次，持有股票之后哪还有现金呢？

其实一开始现金是0，那么加入第i天买入股票现金就是 -pricesi， 这是一个负数。

dpi1 表示第i天不持有股票所得最多现金

注意这里说的是"持有"，"持有"不代表就是当天"买入"！也有可能是昨天就买入了，今天保持持有的状态

很多同学把"持有"和"买入"没区分清楚。

在下面递推公式分析中，我会进一步讲解。

2. 确定递推公式

如果第i天持有股票即dpi0， 那么可以由两个状态推出来

• 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：dpi - 10
• 第i天买入股票，所得现金就是买入今天的股票后所得现金即：-pricesi

那么dpi0应该选所得现金最大的，所以dpi0 = max(dpi - 10, -pricesi);

如果第i天不持有股票即dpi1， 也可以由两个状态推出来

• 第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dpi - 11
• 第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：pricesi + dpi - 10

同样dpi1取最大的，dpi1 = max(dpi - 11, pricesi + dpi - 10);

这样递推公式我们就分析完了

3. dp数组如何初始化

由递推公式 dpi0 = max(dpi - 10, -pricesi); 和 dpi1 = max(dpi - 11, pricesi + dpi - 10);可以看出

其基础都是要从dp00和dp01推导出来。

那么dp00表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp00 -= prices0;

dp01表示第0天不持有股票，不持有股票那么现金就是0，所以dp01 = 0;

4. 确定遍历顺序

从递推公式可以看出dpi都是由dpi - 1推导出来的，那么一定是从前向后遍历。

5. 举例推导dp数组

dp51就是最终结果。

代码实现

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(),vector<int> (2));
        dp[0][0]=-prices[0];
        for(int i=1;i<prices.size();i++){
            dp[i][0]=max(-prices[i],dp[i-1][0]);
            dp[i][1]=max(dp[i-1][0]+prices[i],dp[i-1][1]);
        }
        return dp[prices.size()-1][1];
    }
};

122.买卖股票的最佳时机II

题目链接🔥🔥

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 <= pricesi <= 10 ^ 4

思路分析

本题和121. 买卖股票的最佳时机 的唯一区别是本题股票可以买卖多次了（注意只有一只股票，所以再次购买前要出售掉之前的股票）

在动规五部曲中，这个区别主要是体现在递推公式上，其他都和121. 买卖股票的最佳时机一样。

所以我们重点讲一讲递推公式。

这里重申一下dp数组的含义：

• dpi0 表示第i天持有股票所得现金。
• dpi1 表示第i天不持有股票所得最多现金

如果第i天持有股票即dpi0， 那么可以由两个状态推出来

• 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：dpi - 10
• 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：dpi - 11 - pricesi

注意这里和121. 买卖股票的最佳时机唯一不同的地方，就是推导dpi0的时候，第i天买入股票的情况。

在121. 买卖股票的最佳时机中，因为股票全程只能买卖一次，所以如果买入股票，那么第i天持有股票即dpi0一定就是 -pricesi。

而本题，因为一只股票可以买卖多次，所以当第i天买入股票的时候，所持有的现金可能有之前买卖过的利润。

那么第i天持有股票即dpi0，如果是第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：dpi - 11 - pricesi。

再来看看如果第i天不持有股票即dpi1的情况， 依然可以由两个状态推出来

第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dpi - 11

第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：pricesi + dpi - 10

注意这里和121. 买卖股票的最佳时机就是一样的逻辑，卖出股票收获利润（可能是负值）天经地义！

代码如下：（注意代码中的注释，标记了和121.买卖股票的最佳时机唯一不同的地方）

代码实现

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        vector<vector<int>> dp(prices.size(),vector<int> (2));
        dp[0][0]=-prices[0];
        for (int i = 1; i < prices.size(); 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[prices.size()-1][1];
    }
};

思考总结

买入股票的时候，可能会有之前买卖的利润即：dpi - 11，所以dpi - 11 - pricesi。