【动态规划】121. 买卖股票的最佳时机、122. 买卖股票的最佳时机 II

提示：努力生活，开心、快乐的一天

文章目录

121. 买卖股票的最佳时机
- 💡解题思路
- 🤔遇到的问题
- 💻代码实现
- 🎯题目总结
122. 买卖股票的最佳时机 II
- 💡解题思路
- 🤔遇到的问题
- 💻代码实现
- 🎯题目总结
🎈今日心得

121. 买卖股票的最佳时机

题目链接：121. 买卖股票的最佳时机

💡解题思路

暴力、贪心都可实现，但此处用动态规划实现
动规五部曲：

确定dp数组以及下标的含义：dp[i][0] 表示第i天持有股票所得最多现金；dp[i][1] 表示第i天不持有股票所得最多现金。注意这里说的是“持有”，“持有”不代表就是当天“买入”！也有可能是昨天就买入了，今天保持持有的状态
确定递推公式：
如果第i天持有股票即dp[i][0]，那么可以由两个状态推出来：
1、第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金即：dp[i - 1][0]
2、第i天买入股票，所得现金就是买入今天的股票后所得现金即：-prices[i]
dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
如果第i天不持有股票即dp[i][1]，也可以由两个状态推出来
1、第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金即：dp[i - 1][1]
2、第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]
dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
dp数组如何初始化：dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能有前一天推出来，所以dp[0][0] = -prices[0];
确定遍历顺序：从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。
举例推导dp数组：按照递推公式推导一下做推导，如果发现结果不对，就把dp数组打印出来

🤔遇到的问题

二维数组，表示是否持有该股票很重要，是否持有的推理来源分几种情况去最大值
遍历从1开始

💻代码实现

动态规划

var maxProfit = function (prices) {//dp[i][0] 表示第i天持有股票所得最多现金//dp[i][1] 表示第i天不持有股票所得最多现金let len = prices.lengthlet dp = new Array(len).fill([0,0])dp[0] = [-prices[0], 0]for (let i = 1; i < len; i++){dp[i] = [Math.max(dp[i - 1][0], -prices[i]),Math.max(dp[i-1][1],prices[i]+dp[i-1][0])]}return dp[len-1][1]
};

🎯题目总结

dp[i][0] 表示第i天持有股票所得最多现金；dp[i][1] 表示第i天不持有股票所得最多现金
然后是dp[i][0] 如何推导出来，dp[i][1]如何推倒出来

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

💡解题思路

本题和121. 买卖股票的最佳时机 (opens new window)的唯一区别是本题股票可以买卖多次了（注意只有一只股票，所以再次购买前要出售掉之前的股票）
这里重申一下dp数组的含义：
dp[i][0] 表示第i天持有股票所得现金。
dp[i][1] 表示第i天不持有股票所得最多现金
在动规五部曲中，这个区别主要是体现在递推公式上，其他都和121. 买卖股票的最佳时机 (opens new window)一样一样的。所以我们重点讲一讲递推公式:
如果第i天持有股票即dp[i][0]，那么可以由两个状态推出来：
1、第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金即：dp[i - 1][0]
2、第i天买入股票，所得现金就是昨天不持有股票的所得现金减去今天的股票价格即：dp[i - 1][1] - prices[i]
dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
如果第i天不持有股票即dp[i][1]，也可以由两个状态推出来
1、第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金即：dp[i - 1][1]
2、第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：prices[i] + dp[i - 1][0]
dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);

🤔遇到的问题

与只能进行一次买卖的区分开
1. 遍历从1开始

💻代码实现

动态规划

var maxProfit = function (prices) {// dp[i][0] 表示第i天持有股票所得现金。// dp[i][1] 表示第i天不持有股票所得最多现金let len = prices.lengthlet dp = new Array(len).fill([0, 0])dp[0] = [-prices[0], 0]for (let i = 1; i < len; i++){// 如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来// 第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]// 第i天买入股票，所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即：dp[i - 1][1] - prices[i]// 在来看看如果第i天不持有股票即dp[i][1]的情况， 依然可以由两个状态推出来// 第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]// 第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金即：prices[i] + dp[i - 1][0]dp[i] = [Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]),Math.max(dp[i-1][1],dp[i-1][0]+prices[i])]}return dp[len-1][1]
};