给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
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)。
输入: [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 。
输入: [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。
可以多次买卖,买之前必须卖掉,因此我们考虑这样的贪心策略:只要后一天比前一天的贵,那么我们就进行买卖。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if not prices:
return 0
retv = 0
for i in range(1, len(prices)):
if prices[i] > prices[i - 1]:
retv = retv + prices[i] - prices[i - 1]
return retv
每一个贪心的背后都有一个动态规划,这里可以考虑第 i i i天的状态,并定义相应的 D P DP DP数组:
那么 i i i天持有股票的状态可能由两种情况得来,前一天持有股票并且今天也持有股票,前一天不持有股票并且今天买了股票,则状态转移方程为:
D P 1 [ i ] = m a x ( D P 1 [ i − 1 ] , D P 2 [ i − 1 ] − p r i c e s [ i ] ) DP1[i] = max(DP1[i-1],DP2[i-1] - prices[i]) DP1[i]=max(DP1[i−1],DP2[i−1]−prices[i])
同理第 i i i天不持有股票的状态也由两种情况得来,前一天不持有股票并且今天也不持有股票,前一天持有股票并且今天卖了股票,则状态转移方程为:
D P 2 [ i ] = m a x ( D P 2 [ i − 1 ] , D P 1 [ i − 1 ] + p r i c e s [ i ] ) DP2[i] = max(DP2[i - 1], DP1[i - 1] + prices[i]) DP2[i]=max(DP2[i−1],DP1[i−1]+prices[i])
最后结果应该为最后一天不持有股票能赚的最大钱数。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if not prices:
return 0
DP1 = [0]*len(prices) #持有股票
DP2 = [0]*len(prices) #不持有股票
DP1[0] = -prices[0]
for i in range(1, len(prices)):
DP1[i] = max(DP1[i - 1], DP2[i - 1] - prices[i])
DP2[i] = max(DP2[i - 1], DP1[i - 1] + prices[i])
return DP2[-1]