题目链接:
给定一个整数数组prices
,其中第 prices[i]
表示第 *i*
天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
-
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: prices = [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
示例 2:
输入: prices = [1]
输出: 0
提示:
-
1 <= prices.length <= 5000
-
0 <= prices[i] <= 1000
解题思路
本题与
本题还是用动态规划来解答,具体分析在代码注释中。
C++
class Solution { public: int maxProfit(vector<int>& prices) { if (prices.size() == 1) return 0; // 1. dp数组的含义 // dp[i][0]表示在第i天持有股票(可能是第i天买入的,也可能是之前买入的)得到的最大金额 // dp[i][0]表示在第i天不持有股票(可能是第i天卖出的,也可能是之前卖出的)得到的最大金额 vector<vector<int>> dp(prices.size(), vector<int>(2, 0)); // 3. dp数组的初始化,根据递推公式,需要初始化4个参数 // 在第0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 dp[0][0] = -prices[0]; // 在第0天不持有股票,那最大金额就是0 dp[0][1] = 0; // 在第1天持有股票有两种情况,取最大值 dp[1][0] = max(dp[0][0], -prices[1]); // 在第1天不持有股票有两种情况,取最大值 dp[1][1] = max(dp[0][1], dp[0][0] + prices[1]); // 4.遍历顺序:从前向后 for (int i = 2; i < prices.size(); i++) { // 2.递推公式 // 第i天持有股票有两种情况 // 情况1:第i天之前就持有股票,第i天不做任何操作dp[i][0] = dp[i - 1][0] // 情况2:在第i天买入股票,那两天前应该不是持有状态 // 情况2可以这样理解: // 21. 如果第i-1天是冷冻期,那第i-1天也是不持有股票的状态,此时的dp[i - 1][1] = dp[i - 2][1] // 22. 如果到第i-1天已经度过冷冻期了,由于已经在情况1中把第i-1天就持有股票的情况排除了,所以此处的第i-1天还是不持有股票的, // 并且第i-1天也不能通过卖出股票的方式来达到不持有股票,否则就与情况2的前提(第i天买入股票)相违背,因此dp[i - 1][1] = dp[i - 2][1] // 结论:那么第i天买入股票后的 dp[i][0] = dp[i - 1][1] - prices[i] = dp[i - 2][1] - prices[i] dp[i][0] = max(dp[i - 1][0], dp[i - 2][1] - prices[i]); // 在第i天不持有股票有两种情况(注意:什么时候买入股票会受到冷冻期的限制,但什么时候卖出股票并不会受到限制) // 情况1:第i-1天就不持有,第i天不做任何操作 // 情况2: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) { if (prices.length === 1) return 0; const dp = Array(prices.length).fill().map(item => Array(2).fill(0)); dp[0][0] = -prices[0]; dp[0][1] = 0; dp[1][0] = Math.max(dp[0][0], -prices[1]); dp[1][1] = Math.max(dp[0][1], dp[0][0] + prices[1]); for (let i = 2; i < prices.length; i++) { dp[i][0] = Math.max(dp[i - 1][0], dp[i - 2][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)
-