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
聚客AI15 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v17 小时前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工19 小时前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农20 小时前
【React用到的一些算法】游标和栈
算法·react.js
博笙困了21 小时前
AcWing学习——双指针算法
c++·算法
moonlifesudo21 小时前
322:零钱兑换(三种方法)
算法
NAGNIP2 天前
大模型框架性能优化策略:延迟、吞吐量与成本权衡
算法
美团技术团队2 天前
LongCat-Flash:如何使用 SGLang 部署美团 Agentic 模型
人工智能·算法
Fanxt_Ja2 天前
【LeetCode】算法详解#15 ---环形链表II
数据结构·算法·leetcode·链表
侃侃_天下2 天前
最终的信号类
开发语言·c++·算法