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）
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/
示例1：
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 。
示例2：
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。
实例3：
输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
提示：
1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4
Java解法
思路：
- 实际上昨天的解法上对卖出方式的处理变化，大体一致
- 在这里需要截取每一段上升趋势，一旦下降就进行卖出
package sj.shimmer.algorithm.m3_2021;
/**
* Created by SJ on 2021/3/27.
*/
class D60 {
public static void main(String[] args) {
System.out.println(maxProfit(new int[]{7, 1, 5, 3, 6, 4}));
System.out.println(maxProfit(new int[]{1,2,3,4,5}));
System.out.println(maxProfit(new int[]{7, 6, 4, 3, 1}));
}
public static int maxProfit(int[] prices) {
int result = 0;
if (prices != null && prices.length > 1) {
int length = prices.length;
int in = 0;
for (int i = 1; i < length; i++) {
if (prices[i] < prices[i-1]) {
result+=prices[i-1]-prices[in];
in = i;
}
}
result+=prices[length-1]-prices[in];
}
return result;
}
}
image
官方解
-
动态规划
i天的收益就看第i-1天是否持有，通过这样的关系列出动态方程，写出代码
class Solution { public int maxProfit(int[] prices) { int n = prices.length; int[][] dp = new int[n][2]; dp[0][0] = 0; dp[0][1] = -prices[0]; for (int i = 1; i < n; ++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[n - 1][0]; } }虽然看起来麻烦了些，但是是使用动态规划解决的好例子
- 时间复杂度：O(n)
- 空间复杂度：O(1)
-
贪心
类似于我的处理，但计算了每个价格的区间，去掉负数
class Solution { public int maxProfit(int[] prices) { int ans = 0; int n = prices.length; for (int i = 1; i < n; ++i) { ans += Math.max(0, prices[i] - prices[i - 1]); } return ans; } }- 时间复杂度：O(n)
- 空间复杂度：O(1)
