力扣122. 买卖股票的最佳时机 II

动态规划

  • 思路:
    • 假设 dp[i][0] 是第 i 天手上没有股票时的最大利润, dp[i][1] 是第 i 天手上有 1 支股票的最大利润;
    • dp[i][0] 的迁移状态为:
      • dp[i - 1][0],前一天手上已经没有股票,没有发生交易;
      • dp[i - 1][1] + prices[i],前一天手上有 1 支股票,第 i 天将其卖掉获得收益 prices[i];
      • 所以, dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])
    • 同理 dp[i][1] 的迁移状态:
      • dp[i - 1][1],前一天手上有1支股票,第 i 天继续持有,不发生交易;
      • dp[i - 1][0] - prices[i],前一天手上没有股票,第 i 天买入股票;
      • 所以,dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])
    • 初始状态:
      • dp[0][0] = 0, dp[0][1] = -prices[0]
    • 使用动态规划方法将所有可能的值穷举出来,则最大的收益为 dp[size - 1][0]
class Solution {
public:
    int maxProfit(vector& prices) {
        int size = prices.size();
        int dp[size][2];
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        for (int i = 1; i < size; ++i) {
            dp[i][0] = std::max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
            dp[i][1] = std::max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
        }

        return dp[size - 1][0];
    }
};

你可能感兴趣的:(力扣实践,leetcode,算法,职场和发展)