买卖股票的最佳时机总结(动态规划)

买卖最佳股票时机I

复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //dp[i][0]是持有股份的最大现金, dp[i][1]是不持有股份的最大现金
        if(prices.size() == 0)  return 0;
        vector<vector<int> > dp(prices.size() + 1, vector<int>(2));
        dp[0][0] = dp[0][0] - prices[0];
        dp[0][1] = 0;
        for(int i = 1; i < prices.size(); i++)
        {
            dp[i][0] = max(dp[i - 1][0], - prices[i]);
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.size() - 1][1];
    }
};

这个其实我们就把这个拆分成两个状态就好,这个就可以直接通过状态转移去推到出来

买卖最佳股票时机II

复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //dp[i][0]是持有股份的最大现金, dp[i][1]是不持有股份的最大现金
        if(prices.size() == 0)  return 0;
        vector<vector<int> > dp(prices.size() + 1, vector<int>(2));
        dp[0][0] = dp[0][0] - prices[0];
        dp[0][1] = 0;
        for(int i = 1; i < prices.size(); i++)
        {
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.size() - 1][1];
    }
};

这个其实是可以多次购买的,这个就是我们需要把里面的递推公式换一下即可

买卖最佳股票时机III

复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //dp[i][0]不操作
        //dp[i][1]第一次持有股票的最大现金
        //dp[i][2]第一次不持有股票的最大现金
        //dp[i][3]第二次持有股票的最大现金
        //dp[i][4]第二次不持有股票的最大现金
        if(prices.size() == 0)  return 0;
        vector<vector<int> > dp(prices.size() + 1, vector<int>(5, 0));
        dp[0][0] = 0;
        dp[0][1] -= prices[0];
        dp[0][2] = 0;
        dp[0][3] -= prices[0];
        dp[0][4] = 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]);
        }
        
        return dp[prices.size() - 1][4];
    }
};

这个其实就是2次,那我们分成五个状态,然后一一去解开这个问题

买卖最佳股票时机IV

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

这个其实就是K次,那么我们通过II来推算出,这个k次其实是有奇偶性规律的,然后我们推到到k就行

买卖最佳股票含手续费

复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        int len = prices.size();
        if(len == 0)    return 0;
        vector<vector<int> > dp(len, vector<int>(2, 0));
        //dp[i][0]不持有股票的最大现金
        //dp[i][1]持有股票的最大现金
        dp[0][0] -= prices[0];
        dp[0][1] = 0;
        for(int i = 1; i < len; i++)
        {
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
        }
        return max(dp[len - 1][1], dp[len - 1][0]);
    }
};

这个其实就是和最佳股票II一样,多了个小费,卖出的时候减去小费就行,没什么可说的

以上都是只用了两个状态,也就是持有和不持有这个股票。

买卖最佳股票含冰冻期

复制代码
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if(len == 0)    return 0;
        vector<vector<int> > dp(len, vector<int>(4, 0));
        //dp[i][0]持有股票状态
        //dp[i][1]保持卖出股票状态
        //dp[i][2]卖出股票状态
        //dp[i][3]冷冻期
        //dp[i][0] = max(dp[i - 1][0], dp[i - 1] - price[i], dp[i - 1][3] - price[i]);
        //dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
        //dp[i][2] = dp[i - 1][0] + price[i];
        //dp[i][3] = dp[i - 1][2];
        dp[0][0] -= prices[0];
        for(int i = 1; i < len; i++)
        {
            dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][1] - prices[i], dp[i - 1][3] - prices[i]));
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
            dp[i][2] = dp[i - 1][0] + prices[i];
            dp[i][3] = dp[i - 1][2];
        }
        return max(dp[len - 1][1], max(dp[len - 1][2], dp[len - 1][3]));
    }
};

这唯一的不一样的就是把不持有的股票拆分成卖出股票,保持卖出股票和冰冻期的时候。

这一类的变形题很多,更多的是我们要去思考这个题目的整体买卖路线,也就是持有和不持有的时候,需不需要再去细分,定义某些状态或者说一些很需要我们去定义的东西。

相关推荐
2401_841495645 分钟前
【自然语言处理】中文 n-gram 词模型
人工智能·python·算法·自然语言处理·n-gram·中文文本生成模型·kneser-ney平滑
San3026 分钟前
从零到一:彻底搞定面试高频算法——“列表转树”与“爬楼梯”全解析
javascript·算法·面试
F_D_Z32 分钟前
最长连续序列(Longest Consecutive Sequence)
数据结构·算法·leetcode
ss27332 分钟前
Java并发编程:DelayQueue延迟订单系统
java·python·算法
JHC00000035 分钟前
118. 杨辉三角
python·算法·面试
WolfGang0073211 小时前
代码随想录算法训练营Day50 | 拓扑排序、dijkstra(朴素版)
数据结构·算法
业精于勤的牙1 小时前
浅谈:算法中的斐波那契数(四)
算法
一直都在5721 小时前
数据结构入门:二叉排序树的删除算法
数据结构·算法
白云千载尽1 小时前
ego_planner算法的仿真环境(主要是ros)-算法的解耦实现.
算法·无人机·规划算法·后端优化·ego·ego_planner
Swizard2 小时前
别再只会算直线距离了!用“马氏距离”揪出那个伪装的数据“卧底”
python·算法·ai