代码随想录算法训练营 ---第五十天

第一题:

简介:

做买卖股票的问题最重要的是分析状态,将状态分析清楚本题也就做出来了。我们看本题它说我们**至多可以完成两笔交易,**也就意味着我们有两种选择

dp状态分析

1.完成一次交易获得最大利益

完成一次交易我们用二维数组来因为完成一次交易有两个状态,dp[i][0](第一次持股票最大利益) 和 dp[i][1] (第一次不持股票的最大利益)

2.完成两次交易夺得最大利益

完成两次交易那我们就有四个状态分别是

|--------------|----------|
| dp[i][1] | 第一次持有股票 |
| dp[i][2] | 第一次不持有股票 |
| dp[i][3] | 第二次持有股票 |
| dp[i][4] | 第二次不持有股票 |

状态分析完成后我们看状态转移方程

达到dp[i][1]状态,有两个具体操作:

  • 操作一:第i天买入股票了,那么dp[i][1] = dp[i-1][0] - prices[i]
  • 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i][1] = dp[i - 1][1]

所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);

同理dp[i][2]也有两个操作:

  • 操作一:第i天卖出股票了,那么dp[i][2] = dp[i - 1][1] + prices[i]
  • 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i][2] = dp[i - 1][2]

所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])

同理可推出剩下状态部分:

dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);

dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);

初始化dp数组

第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;

第0天做第一次买入的操作,dp[0][1] = -prices[0];

第0天做第一次卖出的操作,大家可以理解当天买入,当天卖出,所以dp[0][2] = 0;

第0天第二次买入操作,基于第一次卖出后 再买入初始化为:dp[0][3] = -prices[0];

第0天做第二次卖出的操作,大家可以理解当天第二次买入,当天第二次卖出,第二次卖出初始化dp[0][4] = 0;

确定遍历顺序

因为是依赖dp[i-1]所以从前向后遍历

遍历dp数组看是否符合预期

大家可以看到红色框为最后两次卖出的状态。

现在最大的时候一定是卖出的状态,而两次卖出的状态现金最大一定是最后一次卖出。如果想不明白的录友也可以这么理解:如果第一次卖出已经是最大值了,那么我们可以在当天立刻买入再立刻卖出。所以dp[4][4]已经包含了dp[4][2]的情况。也就是说第二次卖出手里所剩的钱一定是最多的。

所以最终最大利润是dp[4][4]

代码实现:

cpp 复制代码
class Solution {
public:
    /*
    一天一共就有五个状态,
    没有操作 (其实我们也可以不设置这个状态)
    第一次持有股票
    第一次不持有股票
    第二次持有股票
    第二次不持有股票
     */
    int maxProfit(vector<int>& prices) {
          if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = dp[i - 1][0];
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
         for(int i=0;i<dp.size();i++){
            for(int j=0;j<dp[i].size();j++){
                cout<<dp[i][j]<<" ";
            }
            cout<<endl;
        }
        return dp[prices.size() - 1][4];
    }
};

第二题:

简介:

本题和上一题的区别在于可以交易k次状态,所以我们有2*k+1个状态。然后我们可以看一下上一题我分析的两次交易数量不同,状态转移方程的不同发现一下其中的规律就可以做了。

代码实现:

cpp 复制代码
class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        if (prices.size()<2) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2*k+1,0));
        for(int i=1;i<dp[0].size();i+=2){
             dp[0][i] = -prices[0];
        }
        for (int i = 1; i < prices.size(); i++) {
               dp[i][0] = dp[i - 1][0];
             for(int j=1;j<2*k+1;j++){
                 if(j%2==0){
                      dp[i][j] = max(dp[i-1][j],dp[i-1][j-1]+prices[i]);
                 }else{
                       dp[i][j] = max(dp[i-1][j],dp[i-1][j-1]-prices[i]);
                 }
                
             }
        }
        for(int i=0;i<dp.size();i++){
            for(int j=0;j<dp[i].size();j++){
                cout<<dp[i][j]<<" ";
            }
            cout<<endl;
        }
        return dp[prices.size()-1][2*k];
    }
};

总结:

今天和昨天都是股票买卖的问题,经过这两天的学习,发现了此系列的规律,继续加油!

相关推荐
亲爱的非洲野猪10 分钟前
动态规划进阶:多维DP深度解析
算法·动态规划
AlenTech26 分钟前
197. 上升的温度 - 力扣(LeetCode)
算法·leetcode·职场和发展
橘颂TA1 小时前
【Linux 网络】TCP 拥塞控制与异常处理:从原理到实践的深度剖析
linux·运维·网络·tcp/ip·算法·职场和发展·结构与算法
tobias.b2 小时前
408真题解析-2010-9-数据结构-折半查找的比较次数
java·数据结构·算法·计算机考研·408真题解析
源代码•宸2 小时前
Leetcode—404. 左叶子之和【简单】
经验分享·后端·算法·leetcode·职场和发展·golang·dfs
WBluuue2 小时前
数据结构与算法:dp优化——优化尝试和状态设计
c++·算法·leetcode·动态规划
im_AMBER2 小时前
Leetcode 105 K 个一组翻转链表
数据结构·学习·算法·leetcode·链表
sin_hielo2 小时前
leetcode 1877
数据结构·算法·leetcode
睡不醒的kun2 小时前
定长滑动窗口-基础篇(2)
数据结构·c++·算法·leetcode·职场和发展·滑动窗口·定长滑动窗口
庄小焱2 小时前
【机器学习】——房屋销售价格预测实战
人工智能·算法·机器学习·预测模型