122. 买卖股票的最佳时机II

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(中等)

给定一个数组 prices ,其中 prices[i] 表示股票第 i 天的价格。

在每一天,你可能会决定购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以购买它,然后在 同一天 出售。 返回 你能获得的 最大 利润

示例 1:

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 。

示例 2:

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 。
    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: 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。

提示:

  • 1 <= prices.length <= 3 * 104

  • 0 <= prices[i] <= 104

解题思路

本题的贪心算法解法在122. 买卖股票的最佳时机 II 中。另外还可以运用动态规划算法来解(本题与121. 买卖股票的最佳时机的不同主要在于能可以买卖多次,但手里最多可以持有的股票还是一股)。

所以本题的迭代公式与121. 买卖股票的最佳时机不相同,其他的地方都是一样的。详细分析在以下代码的注释中。

C++

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        // 1. dp数组的含义
        // dp[i][0]表示在第i天持有股票(注意:不是在第i天买入)得到的最大金额
        // dp[i][0]表示在第i天不持有股票(注意:不是在第i天卖出)得到的最大金额
        vector<vector<int>> dp(prices.size(), vector<int>(2));
        // 3. dp数组的初始化
        // 在第1天想要持有股票只能买入,所得的最大金额就是买第1天股票花费的钱,为负数
        // 在第1天不持有股票,那最大金额就是0
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        // 4.遍历顺序:从前向后
        for (int i = 1; i < prices.size(); i++) {
            // 2. 递推公式
            // dp[i][0]表示在第i天持有股票得到的最大金额
            // 在第i天持有股票有两种情况:一是第i - 1天就持有(保持状态),二是在第i - 1天不持有股票的情况下花钱买入
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); 
            // dp[i][0]表示在第i天不持有股票得到的最大金额
            // 在第i天不持有股票有两种情况:一是第i - 1天就不持有(保持状态),二是在第i - 1天持有股票的情况下卖出赚钱
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.size() - 1][1];
    }
};

JavaScript

/**
 * @param {number[]} prices
 * @return {number}
 */
var maxProfit = function(prices) {
    const dp = Array(prices.length).fill().map(item => Array(2).fill());
    dp[0][0] = -prices[0];
    dp[0][1] = 0;
    for (let i = 1; i < prices.length; i++) {
        dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
        dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
    }
    return dp[prices.length - 1][1];
};
  • 时间复杂度:O(n)

  • 空间复杂度:O(n)

posted @ 2022-03-11 11:11  wltree  阅读(53)  评论(0编辑  收藏  举报