leetcode hot100 买卖股票的最佳时机二

注意,本题是针对股票可以进行多次交易,但是下次买入的时候必须保证上次买入的已经卖出才可以。

动态规划可以解决整个股票买卖系列问题。

dp数组含义:

dp[i][0]表示第i天不持有股票的最大现金

dp[i][1]表示第i天持有股票的最大现金

递归公式:

由于dp[i][0]表示第i天不持有股票,可能是第i-1天就没有股票,则是dp[i-1][0],也可能是第i-1天持有股票,然后第i天把股票卖了,则是dp[i-1][1]+prices[i]。二者取最大值,即是第i天不持有股票的最大现金。dp[i][1]表示第i天持有股票,则可能是第i-1天就持有股票,dp[i-1][1],也可能是第i-1天没有股票,然后第i天买入的dp[i-1][0]-prices[i]。二者取最大值即可。

初始化:

dp[0][0]表示第0天不持有股票,则为0

dp[0][1]表示第0天持有股票,则此时应该是-prices[0]

遍历顺序:

我们根据递推公式可以发现,是由前一天推出的后一天,所以我们从前往后直接递推即可。

打印dp数组:

注意,这里我们应该打印最后一天不持有股票的值,也就是dp[prices.length-1][0]。因为我们是从下标0开始的,所以最后一天应该是prices.length-1,不持有股票肯定比持有股票钱多,因为股票没有卖掉在手里肯定是算钱的。

复制代码
// 动态规划
class Solution 
    // 实现1:二维数组存储
    // 可以将每天持有与否的情况分别用 dp[i][0] 和 dp[i][1] 来进行存储
    // 时间复杂度:O(n),空间复杂度:O(n)
    public int maxProfit(int[] prices) {
        int n = prices.length;
        int[][] dp = new int[n][2];     // 创建二维数组存储状态
        dp[0][0] = 0;                   // 初始状态
        dp[0][1] = -prices[0];
        for (int i = 1; i < n; ++i) {
            dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);    // 第 i 天,没有股票
            dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);    // 第 i 天,持有股票
        }
        return dp[n - 1][0];    // 卖出股票收益高于持有股票收益,因此取[0]
    }
}
相关推荐
June`1 小时前
专题二:二叉树的深度搜索(二叉树剪枝)
c++·算法·深度优先·剪枝
好吃的肘子2 小时前
Elasticsearch架构原理
开发语言·算法·elasticsearch·架构·jenkins
胡耀超3 小时前
霍夫圆变换全面解析(OpenCV)
人工智能·python·opencv·算法·计算机视觉·数据挖掘·数据安全
软行3 小时前
LeetCode 每日一题 3341. 到达最后一个房间的最少时间 I + II
数据结构·c++·算法·leetcode·职场和发展
nlog3n3 小时前
Go语言交替打印问题及多种实现方法
开发语言·算法·golang
How_doyou_do3 小时前
备战菊厂笔试4
python·算法·leetcode
朱剑君3 小时前
第九天——贪心算法——非递减数组
算法·贪心算法
Wnq100723 小时前
工业场景轮式巡检机器人纯视觉识别导航的优势剖析与前景展望
人工智能·算法·计算机视觉·激光雷达·视觉导航·人形机器人·巡检机器人
天上路人5 小时前
AI神经网络降噪算法在语音通话产品中的应用优势与前景分析
深度学习·神经网络·算法·硬件架构·音视频·实时音视频
好吃的肘子5 小时前
MongoDB 应用实战
大数据·开发语言·数据库·算法·mongodb·全文检索