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

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:

复制代码
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:

复制代码
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。
思路:

/*

定义一个二维数组,dp[i][j] i表示第几只股票,j表示是否持有股票的状态,所以j的取值有0和1

持有股票的状态 dp[i][0] = max(dp[i-1][0],-price[i]);

其中,dp[i-1][0]是前i-1只股票有一只股票持有的状态,-price[i]指的是持有第i只股票

不持有股票的状态 dp[i][1] = max(dp[i-1][1],dp[i-1][0]+price[i]);

*/

代码:
cpp 复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        /*
        定义一个二维数组,dp[i][j] i表示第几只股票,j表示是否持有股票的状态,所以j的取值有0和1
        持有股票的状态 dp[i][0] = max(dp[i-1][0],-price[i]);
        其中,dp[i-1][0]是前i-1只股票有一只股票持有的状态,-price[i]指的是持有第i只股票
        不持有股票的状态 dp[i][1] = max(dp[i-1][1],dp[i-1][0]+price[i]);
        */
        vector<vector<int>>dp(prices.size(),vector<int>(2,0));
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for(int i = 1;i<prices.size();i++)
        {
            dp[i][0] = max(dp[i-1][0],-prices[i]);
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]);
        }
        int result = max(dp[prices.size()-1][0],dp[prices.size()-1][1]);
        return result;
    }
};

122. 买卖股票的最佳时机 II

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:

复制代码
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:

复制代码
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:

复制代码
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 。
思路:

/*

定义一个二维数组dp[i][j]表示最大利润,i是第几只股票,j表示是否持有股票的状态,

j只有两个状态,0和1

持有股票的状态 dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i]);

不持有股票的状态 dp[i][1] = max(dp[i-1][1],dp[i-1][0]+price[i]);

*/

代码:
cpp 复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        /*
        定义一个二维数组dp[i][j]表示最大利润,i是第几只股票,j表示是否持有股票的状态,
        j只有两个状态,0和1
        持有股票的状态 dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i]);
        不持有股票的状态 dp[i][1] = max(dp[i-1][1],dp[i-1][0]+price[i]);
        */
        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]);
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]);
        }
        int result = max(dp[len-1][0],dp[len-1][1]);
        return result;
    }
};

还有很多瑕疵,还需继续坚持!

相关推荐
Excuse_lighttime17 小时前
排序数组(快速排序算法)
java·数据结构·算法·leetcode·eclipse·排序算法
潘小安18 小时前
『译』迄今为止最强的 RAG 技术?Anthropic 的上下文检索与混合搜索
算法·llm·claude
kessy118 小时前
安全与续航兼备的“国密芯”——LKT6810U
算法
leo__52018 小时前
基于经验模态分解的去趋势波动分析(EMD-DFA)方法
人工智能·算法·机器学习
lzptouch18 小时前
AdaBoost(Adaptive Boosting)算法
算法·集成学习·boosting
南方的狮子先生19 小时前
【数据结构】(C++数据结构)查找算法与排序算法详解
数据结构·c++·学习·算法·排序算法·1024程序员节
紫荆鱼19 小时前
设计模式-适配器模式(Adapter)
c++·设计模式·适配器模式
前进的李工19 小时前
LeetCode hot100:560 和为k的子数组:快速统计法
python·算法·leetcode·前缀和·哈希表
在等晚安么19 小时前
力扣面试经典150题打卡
java·数据结构·算法·leetcode·面试·贪心算法
放羊郎20 小时前
基于三维点云图的路径规划
人工智能·动态规划·slam·点云·路径规划·激光slam