Leetcode Day18 股票买卖专题

买卖股票重要的部分就是状态转移, 通常是二维i,0/1代表第i天持有/不持有股票时的最大利润

Part 1: 不限制交易次数

122 每天都可买入卖出

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        # on day i, we have stock
        dp1 = [0] * len(prices)
        # on day i, we dont have stock
        dp2 = [0] * len(prices)
        dp1[0] = -prices[0] 
        for i in range(1, len(prices)):
            # 有 stock, 什么都不做 -> dp1
            # 无 stock ,什么都不做 -> dp2
            # 有stock卖了 -> dp2
            # 无stock, 买了 -> dp1
            dp1[i] = max(dp1[i-1], dp2[i-1] - prices[i])
            dp2[i] = max(dp2[i-1], dp1[i-1] + prices[i])
        return max(dp1 + dp2)

309 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)

只需改为dp1[i] = max(dp1[i-1], dp2[i-2] - prices[i]), 因为dp1[i]的第二部分代表买入, 买入的话必须是i-2的那一天没有股票

Part 2: 有交易限制

121 (一次) 一天买入, 未来一天卖出

反着遍历记录后缀最大即可

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        max_price = -1
        ans = -1
        for i in range(len(prices) - 1,-1, -1):
            if prices[i] > max_price:
                max_price = prices[i]
            ans = max(ans, max_price - prices[i])
        return ans 

123 (两次)

python 复制代码
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)

        # dp[i][j]: 第i天结束后的最大利润,j的含义如下:
        # 0: 第一次买入, 1: 第一次卖出, 2: 第二次买入, 3: 第二次卖出
        dp = [[0,0,0,0] for _ in range(n)]

        # 初始化第一天的状态
        dp[0] = [-prices[0], 0, -prices[0], 0]

        for i in range(1, n):
            # 第一次买入:保持前一天状态,或今天买入
            dp[i][0] = max(dp[i-1][0], -prices[i])

            # 第一次卖出:保持前一天状态,或今天卖出
            dp[i][1] = max(dp[i-1][1], prices[i] + dp[i-1][0])

            # 第二次买入:保持前一天状态,或今天买入(使用第一次卖出的利润)
            dp[i][2] = max(dp[i-1][2], -prices[i] + dp[i-1][1])

            # 第二次卖出:保持前一天状态,或今天卖出
            dp[i][3] = max(dp[i-1][3], prices[i] + dp[i-1][2])

        return dp[-1][-1]  # 返回最后一天第二次卖出的最大利润

188 最多k次

python 复制代码
class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        if not prices or k == 0:
            return 0
        
        n = len(prices)
        # dp1[i][j] -> 第i天持有股票, 已经完成j次交易
        # dp2[i][j] -> 第i天没有股票, 已经完成j次交易
        dp1 = [[0 for _ in range(k + 1)] for _ in range(n)]
        dp2 = [[0 for _ in range(k + 1)] for _ in range(n)]
        
        # 初始化第一天的状态
        dp1[0][0] = -prices[0]
        
        # 初始化第一次交易的状态
        for i in range(1, n):
            dp1[i][0] = -prices[i]
        
        for i in range(1, n):
            for j in range(1, k + 1):
                # 持有股票的状态
                dp1[i][j] = max(dp1[i-1][j], dp2[i-1][j] - prices[i])
                
                # 不持有股票的状态
                dp2[i][j] = max(dp2[i-1][j], dp1[i-1][j-1] + prices[i])
        
        return max(dp2[-1])

代码基本上是正确的, 但是在初始化出了问题, 对于dp[i][0],不能全部初始化为-pirces[0], 因为第0天后可能会出现更低的价格

python 复制代码
class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        if not prices or k == 0:
            return 0
        
        n = len(prices)
        # dp1[i][j] -> 第i天持有股票, 已经完成j次交易
        # dp2[i][j] -> 第i天没有股票, 已经完成j次交易
        dp1 = [[-inf for _ in range(k + 1)] for _ in range(n)]
        dp2 = [[-inf for _ in range(k + 1)] for _ in range(n)]
        
        # 初始化第一天的状态
        cur_max = -inf
        for i in range(n):
            if -prices[i] > cur_max:
                cur_max = -prices[i]
            dp1[i][0] = cur_max
        
        for i in range(1, n):
            for j in range(1, k + 1):
                # 持有股票的状态
                dp1[i][j] = max(dp1[i-1][j], dp2[i-1][j] - prices[i])
                
                # 不持有股票的状态
                dp2[i][j] = max(dp2[i-1][j], dp1[i-1][j-1] + prices[i])
        
        return max(dp2[-1])

注意dp[i][0]的初始化, 和所有的初始最大利润应该为-inf

相关推荐
算AI13 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
hyshhhh15 小时前
【算法岗面试题】深度学习中如何防止过拟合?
网络·人工智能·深度学习·神经网络·算法·计算机视觉
杉之16 小时前
选择排序笔记
java·算法·排序算法
Naive_716 小时前
蓝桥杯准备(前缀和差分)
java·职场和发展·蓝桥杯
烂蜻蜓16 小时前
C 语言中的递归:概念、应用与实例解析
c语言·数据结构·算法
OYangxf16 小时前
图论----拓扑排序
算法·图论
我要昵称干什么16 小时前
基于S函数的simulink仿真
人工智能·算法
AndrewHZ17 小时前
【图像处理基石】什么是tone mapping?
图像处理·人工智能·算法·计算机视觉·hdr
念九_ysl17 小时前
基数排序算法解析与TypeScript实现
前端·算法·typescript·排序算法
守正出琦17 小时前
日期类的实现
数据结构·c++·算法