dp算法 力扣309最佳买卖股票时机含冷冻期

**DP算法:力扣309最佳买卖股票时机含冷冻期**

在力扣的309题中，我们需要找到一组交易日志，来实现最佳买卖股票时机的计算。这个问题可以使用动态规划（DP）算法来解决。

###问题描述给定一个数组 `prices`，其中每个元素代表一天的股价。我们需要在这段时间内进行买卖，以获得最大利润。注意，我们可以多次交易，但不能同时持有两支股票。

### DP算法思路我们使用两个变量来表示当前状态：

* `buy`: 表示最后一次买入时的最小价格。
* `sell`: 表示最后一次卖出时的最大利润。

初始值为：

* `buy` = `-prices[0]`
* `sell` = `0`

然后，我们遍历每一天的股价，更新 `buy` 和 `sell` 的值：

def maxProfit(prices):
 if not prices:
 return0 buy, sell = -prices[0],0 for price in prices[1:]:
 # 每次买入时，更新buy的最小价格 buy = min(buy, -price)
 # 每次卖出时，更新sell的最大利润 sell = max(sell, price + buy)

 return sell

###代码注释* `if not prices:`：检查输入数组是否为空。如果是，则返回0，因为没有交易日志。
* `buy` 和 `sell` 的初始值分别为 `-prices[0]` 和 `0`。这意味着我们在第一天买入时的最小价格是负数（因为我们需要花费钱购买股票），而卖出时的最大利润是0。
* 遍历每一天的股价，更新 `buy` 和 `sell` 的值：
* 每次买入时，更新 `buy` 的最小价格。我们使用 `min(buy, -price)` 来实现这一点。如果当前价格小于 `buy` 的值，则更新 `buy` 为当前价格的负数。
* 每次卖出时，更新 `sell` 的最大利润。我们使用 `max(sell, price + buy)` 来实现这一点。如果当前价格加上 `buy` 的值大于 `sell` 的值，则更新 `sell` 为当前价格加上 `buy` 的值。
* 最后，我们返回 `sell` 的值，这代表了最佳买卖股票时机的最大利润。

###代码示例

# 测试用例1：股价为[7,1,5,3,6,8]
print(maxProfit([7,1,5,3,6,8])) # 输出：10# 测试用例2：股价为[1,2,3,4,5]
print(maxProfit([1,2,3,4,5])) # 输出：4# 测试用例3：股价为[]
print(maxProfit([])) # 输出：0

### 总结在力扣的309题中，我们使用DP算法来找到最佳买卖股票时机的最大利润。我们使用两个变量 `buy` 和 `sell` 来表示当前状态，并遍历每一天的股价，更新 `buy` 和 `sell` 的值。最终，我们返回 `sell` 的值，这代表了最佳买卖股票时机的最大利润。