1. question: 买卖股票的最佳时机II(中等)
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii
示例 1:
1 2 3 4 5
| 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 。 总利润为 4 + 3 = 7 。
|
示例 2:
1 2 3 4
| 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 。 总利润为 4 。
|
示例 3:
1 2 3
| 输入:prices = [7,6,4,3,1] 输出:0 解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
|
提示:
1 2
| 1 <= prices.length <= 3 * 104 0 <= prices[i] <= 104
|
2. answers
感觉最近做的几道题已经不能简答地划分为某种算法了,更多地是对问题的认识,对题目的分解等等。
这道题最开始想的是:计算不相交的升序子序列之和。但是感觉需要回溯,有点麻烦。参考了题解,发现问题可以简化。
首先,第一天到第五天的收益可以转化为:之间每一天的收益总和(即使是负数)。比如[7,1,5,3,6,4],p=1和p=6之间的收益(6-1=5),可以转换为(5-1 + 3-5 + 6-3 = 5)。
那么也就是说:某几天的收益,可以由若干个子天的收益组合求出。更大一点地说,本题目中没有描述出可以买卖几次,因此本题目的总收益可以由若干次的子买卖组成。这些子买卖都是连续天内组成的。即类似上面的[6-1]。
只需要保证上面的连续天的子买卖收益最大即可。那么上面连续天的子买卖由相邻每天的收益组成。
所以,总体上说:本题目的最优解就是 几段买卖 * 连续天 * 每天收益。
进一步可转换成:若干个每天收益。那么怎么保证若干个每天收益最优呢?只需要每天的收益为正即可呀。
所以,首先求解相邻天的收益。之后,遍历累加正收益即可。代码如下所示:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
| public class Solution_0096 {
public int maxProfit(int[] prices) {
int[] result = new int[prices.length - 1];
for (int i = 0; i < prices.length - 1; i++) { result[i] = prices[i + 1] - prices[i]; }
int sums = 0;
for (int value : result) { if (value > 0) sums += value; }
return sums; }
public static void main(String[] args) { System.out.println();
int[] prices = {7, 1, 5, 3, 6, 4};
Solution_0096 s = new Solution_0096();
System.out.println(s.maxProfit(prices)); } }
|
其实可以进一步优化:在计算每天收益的时候,如果为正,直接累加即可,无需再次遍历。
以动态规划的角度看一下,这道题其实和买卖股票类似,只不过这道题允许多次交易,此时dp[i][0]除了由dp[i-1][0]得到,还可以是前一天不持有,今天持有得到。代码如下所示:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
| public class Solution_0096_05 {
public int maxProfit(int[] prices) {
int[][] dp = new int[prices.length][2]; dp[0][0] = -prices[0]; dp[0][1] = 0;
for (int i = 1; i < dp.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[dp.length - 1][1]; }
public static void main(String[] args) { System.out.println();
Solution_0096_05 s = new Solution_0096_05();
int[] prices = {7,6,4,3,1};
System.out.println(s.maxProfit(prices)); } }
|
3. 备注
参考力扣(LeetCode)官网 - 全球极客挚爱的技术成长平台 (leetcode-cn.com),代码随想录 (programmercarl.com)。