动态规划——股票问题全解

引入

股票问题是一类动态问题，我们需要对其状态进行判定分析来得出答案

但其实，我们只需要抓住两个点，持有和不持有，在这两种状态下分析问题会简单清晰许多

下面将会对各个问题进行分析讲解，来解释什么是持有和不持有状态，并在分析后得到题目的解答​​​​​​​买卖股票的最佳时机

1、​​​​​​​买卖股票的最佳时机

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

示例 1：
输入：[7,1,5,3,6,4]
输出：5
解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格；同时，你不能在买入前卖出股票。

示例 2：
输入：prices = [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。

分析：

我们了解到这道题，只能够购买和卖出一次，那么，

持有的状态只有两种情况：1.之前就持有  2.今天刚买入

不持有也有两种情况：1.昨天就不持有 2.今天刚出售

1.dp空间

通过以上的分析我们可以知道，解决这个问题我们需要了解：

1.今天的价格  2.昨天的状态

所以，我们需要两对空间，保存两对持有与不持有状态

即一个2*2大小的数组

vector<vector<int>> dp(2, vector<int>(2));

2.初始状态

其中dp[i][0] 代表第i天的持有状态下的资金数

        dp[i][1] 代表第i天的不持有状态下的资金数

由此我们也可以知道，第一天的持有状态只能是进行买入 即 -prices[0]

                                                   不持有状态只能是0

所以初始状态我们也有了

dp[0][0] = -prices[0];
dp[0][1] = 0;

3.递推公式

由刚开始的分析其实我们已经知道了递推公式，现在只需要进行代码实现即可：

先使用伪代码描述

当天持有股票的最大金额 = max（昨天就持有时的资金数，今天刚买入后所拥有的资金）

当天不持有股票的最大金额 = max（昨天就不持有时的资金数，今天刚卖出后所拥有的资金）

代码实现

其中的取模运算是为了获得之前的状态而不用进行数据移动

//因为只进行一次买入卖出，所以当前买入一定是 0 - prices[i]
dp[i % 2][0] = max(dp[(i - 1) % 2][0], -prices[i]);
dp[i % 2][1] = max(dp[(i - 1) % 2][1], prices[i] + dp[(i - 1) % 2][0]);

4.题解代码 

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        vector<vector<int>> dp(2, vector<int>(2)); 
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < len; i++) {
            dp[i % 2][0] = max(dp[(i - 1) % 2][0], -prices[i]);
            dp[i % 2][1] = max(dp[(i - 1) % 2][1], prices[i] + dp[(i - 1) % 2][0]);
        }
        return dp[(len - 1) % 2][1];
    }