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:

dpi0表示第i天不持有股票的最大现金

dpi1表示第i天持有股票的最大现金

递归公式:

由于dpi0表示第i天不持有股票,可能是第i-1天就没有股票,则是dpi-10,也可能是第i-1天持有股票,然后第i天把股票卖了,则是dpi-11+pricesi。二者取最大值,即是第i天不持有股票的最大现金。dpi1表示第i天持有股票,则可能是第i-1天就持有股票,dpi-11,也可能是第i-1天没有股票,然后第i天买入的dpi-10-pricesi。二者取最大值即可。

初始化:

dp00表示第0天不持有股票,则为0

dp01表示第0天持有股票,则此时应该是-prices0

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dpprices.length-10。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
文丑颜不良啊8 小时前
LeetCode2981~3000题目解析
java·leetcode
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
武子康11 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
文丑颜不良啊14 小时前
LeetCode3001~3020题目解析
java·leetcode
武子康16 小时前
H3-World 扩展跳跃与开门:新动作怎样进入训练数据?
大数据·人工智能·算法
卡尔曼的BD SLAMer16 小时前
北斗导航 |GNSS ION论文集汇总1997到2022(链接在文末)
算法·北斗导航
时间的拾荒人16 小时前
Redis Cluster 集群详解:分片算法、搭建、故障处理与扩容实战
数据库·redis·算法·集群
老师我太想进步了202618 小时前
【数据结构-8】栈的实现
c语言·数据结构·算法
kyle~19 小时前
因子图优化(Factor Graph Optimization)
c++·算法·机器人·传感器