day35-数据结构力扣

121. 买卖股票的最佳时机

题目链接121. 买卖股票的最佳时机 - 力扣(LeetCode)

思路

动规五步曲

1. dp 数组含义

  • dp[i][0]:第 i持有股票的最大现金

  • dp[i][1]:第 i不持有股票的最大现金

2. 递推公式

  • 持有股票:要么之前就持有,要么今天第一次买入dpi0=max(dpi−10,−pricesi)

  • 不持有股票:要么之前就不持有,要么今天卖出dpi1=max(dpi−11, dpi−10+pricesi)

3. 初始化

第一天:dp00=−prices0,dp01=0

4. 遍历顺序

从前往后遍历每一天。

5. 结果

最后一天不持有股票的最大值:dpn−11

提交

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        if n == 0:
            return 0
        
        # dp[i][0]:第i天持有股票
        # dp[i][1]:第i天不持有股票
        dp = [[0] * 2 for _ in range(n)]
        
        # 初始化第0天
        dp[0][0] = -prices[0]   # 第一天买入
        dp[0][1] = 0            # 第一天不买入
        
        for i in range(1, n):
            # 持有:保持之前持有 / 当天新买入
            dp[i][0] = max(dp[i-1][0], -prices[i])
            # 不持有:保持不持有 / 当天卖出
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
        
        # 最后一定是不持有股票利润最大
        return dp[-1][1]

122.买卖股票的最佳时机II

题目链接 122. 买卖股票的最佳时机 II - 力扣(LeetCode)

思路

跟上一道题区别就是可以无限次交易

动规五步曲

1. dp 数组定义

  • dpi0:第 i 天持有股票的最大利润

  • dpi1:第 i 天不持有股票的最大利润

2. 递推公式

  • 持有股票:

    前一天就持有;前一天不持有,当天买入dpi0=max(dpi−10, dpi−11−pricesi)

  • 不持有股票:

    前一天就不持有;前一天持有,当天卖出dpi1=max(dpi−11, dpi−10+pricesi)

3. 初始化

第 0 天:dp00=−prices0,dp01=0

4. 遍历顺序

从前到后依次遍历每一天

5. 最终结果

最后一天不持有股票:dp−11

提交

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        if n == 0:
            return 0
        
        # dp[i][0]:第i天持有股票
        # dp[i][1]:第i天不持有股票
        dp = [[0] * 2 for _ in range(n)]
        
        # 初始化第一天
        dp[0][0] = -prices[0]   # 第一天买入
        dp[0][1] = 0            # 第一天不操作
        
        for i in range(1, n):
            # 当天持有:之前持有 / 当天新买
            dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
            # 当天不持有:之前空仓 / 当天卖出
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
        
        return dp[-1][1]

123.买卖股票的最佳时机III

题目链接 123. 买卖股票的最佳时机 III - 力扣(LeetCode)

思路

动规 5 步曲

1. dp 数组定义

一天有5 种状态

  • dp[i][0]:第 i 天,无操作

  • dp[i][1]:第 i 天,第一次持有股票

  • dp[i][2]:第 i 天,第一次卖出完成

  • dp[i][3]:第 i 天,第二次持有股票

  • dp[i][4]:第 i 天,第二次卖出完成

2. 递推公式

第一次持有:之前就持有 / 当天第一次买入dpi1=max(dpi−11, dpi−10−pricesi)

第一次卖出:之前已卖出 / 当天卖出第一次dpi2=max(dpi−12, dpi−11+pricesi)

第二次持有:之前二次持有 / 第一次卖完再买dpi3=max(dpi−13, dpi−12−pricesi)

第二次卖出:之前二次卖出 / 当天卖出第二次dpi4=max(dpi−14, dpi−13+pricesi)

3. 初始化

复制代码
dp[0][0] = 0
dp[0][1] = -prices[0]
dp[0][2] = -∞
dp[0][3] = -∞
dp[0][4] = -∞

4. 遍历顺序

从前往后遍历每一天

5. 结果

答案:max(dpn−12, dpn−14)(可以只做 1 笔、也可以做 2 笔)

股票三道题联动记忆:

  • 只能 1 次:买入只能用 -prices[i]

  • 无限次:买入用 前一天卖出状态-价格

  • 最多 2 次:增加二次交易状态拆分

提交

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        if n == 0:
            return 0
        
        # 5个状态:0无操作 1第一次持有 2第一次卖出 3第二次持有 4第二次卖出
        dp = [[0] * 5 for _ in range(n)]
        INF = float("inf")
        
        # 初始化第0天
        dp[0][0] = 0
        dp[0][1] = -prices[0]
        dp[0][2] = -INF
        dp[0][3] = -INF
        dp[0][4] = -INF
        
        for i in range(1, n):
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
            dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])
            dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i])
            dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i])
        
        # 最多两笔,取完成1笔 / 完成2笔的最大值,不能为负
        return max(dp[-1][2], dp[-1][4], 0)
相关推荐
黄敬峰1 小时前
深入理解算法核心:从递归思想、数组扁平化到快速排序
算法
得物技术2 小时前
从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理
人工智能·算法·架构
AI小老六5 小时前
SkillOpt 架构拆解:把 Skill 文本当参数,用执行轨迹训练 Agent
后端·算法·ai编程
胡萝卜术6 小时前
从“分数打架”到“排名投票”:为什么你的ChatBI必须用RRF?
算法·设计模式·面试
Asize7 小时前
初识DFS 与 BFS:递归、队列与图遍历
算法
罗西的思考20 小时前
机器人 / 强化学习】HIL-SERL:人类在环驱动的具身智能进化框架
人工智能·算法·机器学习
CSharp精选营1 天前
关系型 vs 非关系型:从原理到选型,一文搞定数据库核心分类
数据结构·nosql·关系型数据库·非关系型数据库·技术选型
美团技术团队1 天前
LongCat 开源 VitaBench 2.0:长期动态智能体基准新标杆
人工智能·算法
To_OC2 天前
LC 207 课程表:刚学图论那会儿,我连这是拓扑排序都没看出来
javascript·算法·leetcode
To_OC2 天前
LC 208 实现 Trie 前缀树:曾被名字劝退,写完发现是送分题
javascript·算法·leetcode