代码随想录算法训练营day41|动态规划买卖股票问题

今天的三题买卖股票问题,实际上解题方法都大同小异,思路也和昨天的树形dp有相似之处,都是用一个dp数组的不同下标来记录不同的状态。其中第一题是只买卖一次,可以用贪心的方法,找出左边的最小值和右边的最大值,相减即可最大利润。如果用动态规划的方法,则分别用0和1来表示持有股票和不持有股票,dp[i][0]和dp[i][1]表示当前拥有的现金,则持有股票就减去price[i],卖出股票就加上price[i],又因为这题只卖出一次,所以可以列出如下方程:

复制代码
            dp[i][0] = max(dp[i - 1][0], -prices[i]);
            dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);

第二题与第一题的区别在于买卖次数没有限制,则方程应更改为下图:

复制代码
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1]-price[i]);
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0]+price[i]);

同时第二题也可以使用贪心,将每次买卖都拆解开,

复制代码
interest=price[3]-price[2]+price[2]-price[1]+price[1]-price[0]

所以将正数部分累加即可得到最大值。

第三题与第一题的区别在于买卖次数上限改为两次,不好用贪心。考虑dp代码如下:

复制代码
            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]);

注意到每一次的状态只跟前一次有关,所以可以进行降维处理,这里卡哥采用正序遍历,我觉得类似一维01背包的倒序遍历更好理解:

复制代码
            dp[4]=max(dp[4],dp[3]+prices[i]); 
            dp[3]=max(dp[3],dp[2]-prices[i]);   
            dp[2]=max(dp[2],dp[1]+prices[i]);
            dp[1]=max(dp[1],-prices[i]);

采用倒序遍历保证每一次的数值在计算前不会被覆盖

相关推荐
算AI14 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
hyshhhh16 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17 小时前
选择排序笔记
java·算法·排序算法
烂蜻蜓17 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
OYangxf17 小时前
图论----拓扑排序
算法·图论
我要昵称干什么17 小时前
基于S函数的simulink仿真
人工智能·算法
AndrewHZ18 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_ysl18 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18 小时前
日期类的实现
数据结构·c++·算法
ChoSeitaku18 小时前
NO.63十六届蓝桥杯备战|基础算法-⼆分答案|木材加工|砍树|跳石头(C++)
c++·算法·蓝桥杯