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
坚持编程的菜鸟10 小时前
LeetCode每日一题——困于环中的机器人
c语言·算法·leetcode·机器人
Aurorar0rua11 小时前
C Primer Plus Notes 09
java·c语言·算法
我不是QI14 小时前
DES 加密算法:核心组件、加解密流程与安全特性
经验分享·算法·安全·网络安全·密码学
前端小刘哥14 小时前
新版视频直播点播EasyDSS平台,让跨团队沟通高效又顺畅
算法
明月(Alioo)15 小时前
机器学习入门,无监督学习之K-Means聚类算法完全指南:面向Java开发者的Python实现详解
python·算法·机器学习
叶梅树15 小时前
从零构建A股量化交易工具:基于Qlib的全栈系统指南
前端·后端·算法
lingran__15 小时前
算法沉淀第三天(统计二进制中1的个数 两个整数二进制位不同个数)
c++·算法
MicroTech202516 小时前
微算法科技MLGO推出隐私感知联合DNN模型部署和分区优化技术,开启协作边缘推理新时代
科技·算法·dnn
小冯记录编程16 小时前
深入解析C++ for循环原理
开发语言·c++·算法
chenchihwen18 小时前
深度解析RAG系统中的PDF解析模块:Docling集成与并行处理实践
python·算法·pdf