【C++ 算法进阶】算法提升十五

股票问题1 (动态规划)

题目

本题为LC原题 题目如下

题目分析

因为股票肯定要有卖出的时机 所以说我们可以围绕这一点来进行动态规划

我们设置一个dp数组 假设每个位置的dp值就是当前卖出股票能获利的最大值

而卖出能获利的最大值肯定要前面以最少的价格买入

所以说我们需要一个min来继续前面能买股票的最小值

代码

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

        int ans = 0;
        for (auto x : dp) {
            ans = max(x , ans);
        }

        return ans;
    }
};

股票问题2 (动态规划)

题目

本题为LC原题 题目如下

题目分析

本题的含义就是让我们抓住每一波的行情 也就是说一旦股票有升值的区间 我们就能够从该区间获利

那么问题就变成了 股票升值的区间有多少

从而就可以转化为计算出相邻两个股票升值多少 最后将所有结果一加就能得出最终答案了

代码

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

        int ans = 0;
        for (auto x : dp) {
            ans = max(x , ans);
        }

        return ans;
    }
};

股票问题3 4(动态规划)

3 4 问题的本质是一题 第三题是第四题的特化版本 所以说我们只看第四题

题目

本题为LC原题 题目如下

题目分析

这是一个从左到右范围尝试模型 我们只需要加上一个K次的业务限制就能完成

首先分析下如果是0次交易我们获得利润是多少 如果只能在第0天交易利润是多少呢?

接下来分析普遍位置 比如说 dp83

  1. 它可能是8位置不参与交易 在0~7位置交易了三次
  2. 它可能是在8位置卖 在7位置买
  3. 它可能是在8位置卖 在6位置买
  4. ...

接着我们找到上面所有可能性的最大值即可

代码

cpp 复制代码
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
    if (prices.empty()) return 0;
    int n = prices.size();
    
    if (k >= n / 2) {  // 当交易次数 k 大于等于 n/2 时,相当于可以无限次交易
        int maxProfit = 0;
        for (int i = 1; i < n; i++) {
            if (prices[i] > prices[i - 1]) {
                maxProfit += prices[i] - prices[i - 1];
            }
        }
        return maxProfit;
    }
    
    vector<vector<int>> dp(k + 1, vector<int>(n, 0));
    
    for (int i = 1; i <= k; i++) {
        int maxDiff = -prices[0];  // 初始化最大差值
        for (int j = 1; j < n; j++) {
            dp[i][j] = max(dp[i][j - 1], prices[j] + maxDiff);
            maxDiff = max(maxDiff, dp[i - 1][j] - prices[j]);
        }
    }
    
    return dp[k][n - 1];
}
};
相关推荐
hetao17338372 分钟前
2026-10-03~04 hetao1733837 的刷题记录
c++·算法
\光辉岁月/26 分钟前
5.java-数组
java·开发语言
Java后端的Ai之路27 分钟前
Python进阶探索29_eval内置函数
开发语言·python·探索·eval·内置函数
谢亮_vipxieliang42 分钟前
Spring 事务失效的常见场景
java·开发语言·数据库·spring boot
Zootopia62644 分钟前
飞行力学知识梳理1|飞行性能与稳定性
人工智能·python·算法·机器学习·无人机·学习方法·信息与通信
longlongzihan1 小时前
从LeetCode 70. 爬楼梯看动态规划:如何精准推导状态转移方程?
c++·算法·leetcode·动态规划
时间的拾荒人1 小时前
Qt 多线程详解:从 QThread 到实战
开发语言·qt·面试
郑州光合科技余经理1 小时前
海外版外卖加盟:总站与分站配送规则怎么分开管
java·开发语言·前端·后端·uni-app·php·ai编程
2601_962071571 小时前
类变量和全局变量的生命周期有什么区别?
java·开发语言·jvm
Wang's Blog1 小时前
Java 项目实战: 外卖平台优化-前后端分离开发模式与工程拆分
java·开发语言