目录
一、解题思路
今天来到了动态规划章节的Part8,讨论的是买卖股票问题。
对于这类问题,一般可以采取两种解决方式。
动态规划(DP)
-
状态定义:定义dp[i][j],其中 i 代表天数,j 代表状态(如持有股票、不持有股票、冷冻期等)。
-
状态转移方程:明确每个状态如何从前一天的状态转移而来。例如,如果今天不持有股票,那么最大利润可能来自于昨天也不持有股票,或者昨天持有今天卖出。
-
边界条件:初始化第一天各个状态的利润。例如,第一天持有股票的利润就是负的第一天价格 -- 只买入。
贪心算法
-
寻找规律:在一些情况下(如只能进行一次交易),可以通过寻找价格上升的区间来最大化利润。
-
局部最优解:在价格上升时买入,在价格下降前卖出,这通常是局部最优的选择。-- 贪心思路的关键。
二、题目与题解
题目一:121. 买卖股票的最佳时机
题目链接
给定一个数组
prices
,它的第i
个元素prices[i]
表示一支给定股票第i
天的价格。你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回
0
。示例 1:
输入:[7,1,5,3,6,4] 输出:5 解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。 注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。示例 2:
输入:prices = [7,6,4,3,1] 输出:0 解释:在这种情况下, 没有交易完成, 所以最大利润为 0。提示:
1 <= prices.length <= 105
0 <= prices[i] <= 104
题解1:暴力--超时
没有技巧,一一比较。
题解2:贪心
上述已经提到,贪心策略就是:在价格上升时买入,在价格下降前卖出。
在这里也就对应着:数组开始递减的时候找最小值,只有开始递增的时候计算差值。
最小值需要不断更新,这里的最小值记录当前遍历到的最小价格,随着天数的遍历不断更新;而最终的结果,就是所有差值比较后最大的差值。-- 我们可以通过一个循环实现比较过程。
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int minprice = prices[0]; //记录当前遍历到的最小价格,初始化为第一天的价格
int ans = 0; //记录最大利润
for (int i = 0; i < n; i++) {
if (prices[i] > minprice) { //递增的时候计算差值
ans = max(ans, prices[i] - minprice);
}
else minprice = prices[i]; //递减的时候找最小值
}
return ans;
}
};
题解3:动态规划--基于贪心的思路
和贪心思路相同,但在这里用dp数组记录最大利润。
dp[i] 表示前 i 天可以获得的最大利润。
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if (n == 0) return 0;
vector<int> dp(n, 0); //dp[i]表示前i天可以获得的最大利润,初始化dp数组 -- dp[0] = 0
int minPrice = prices[0]; //初始化最小价格为第一天的价格
for (int i = 1; i < n; i++) {
minPrice = min(minPrice, prices[i]); //更新最小价格
dp[i] = max(dp[i - 1], prices[i] - minPrice); //计算并更新dp[i]:第i天不卖--保留前一天最大利润dp[i - 1];第i天卖--prices[i] - minprice
}
return dp[n - 1]; //所有天可以获得的最大利润
}
};
题解4:动态规划--通解
这就是上述解题思路提到的动态规划的方法。这种方法对于买卖股票问题具有普适性,同类问题,相当于可用同一套模板来解决。
首先定义二维dp数组dp[i][j]:vector<vector<int>> dp(n, vector<int>(2));
这里共有两种状态,一是持有股票,而是不持有股票。
dp[i][0]表示第i天持有股票的最大利润,dp[i][1]表示第i天不持有股票的最大利润。
然后初始化dp数组第0天(实际情况的第一天):
1. dp[0][0] -= prices[0]:持有股票,只买,利润为负,为 -prices[0] ;
2. dp[0][1] = 0:不持股票,没有买或卖,为0。
最后确定递推公式:
1.第 i 天持有股票:dp[i][0] = max(dp[i - 1][0], -prices[i]):要么是前一天就持有股票,要么是今天买入(直接用负的今天价格表示);
2.第 i 天不持有股票:dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]):要么是前一天就不持有股票,要么是今天卖出(前一天持有股票的利润加上今天的价格)。
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if (n == 0) return 0;
vector<vector<int>> dp(n, vector<int>(2)); //二维dp:dp[i][0]表示第i天持有股票的最大利润,dp[i][1]表示第i天不持有股票的最大利润
dp[0][0] = -prices[0]; //初始化第0天:持有股票,只买,利润为负,为 -prices[0];不持股票,没有买或卖,为0
dp[0][1] = 0;
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], -prices[i]); //第i天持有股票的最大利润:要么是前一天就持有股票,要么是今天买入(直接用负的今天价格表示)
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]); //第i天不持有股票的最大利润:要么是前一天就不持有股票,要么是今天卖出(前一天持有股票的利润加上今天的价格)
}
return dp[n - 1][1]; //返回最后一天不持有股票的最大利润--已卖光
}
};
题目二:122.买卖股票的最佳时机II
题目链接
122. 买卖股票的最佳时机 II - 力扣(LeetCode)
给你一个整数数组
prices
,其中prices[i]
表示某支股票第i
天的价格。在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
输入:prices = [7,1,5,3,6,4] 输出:7 解释:在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4。 随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3。 最大总利润为 4 + 3 = 7 。示例 2:
输入:prices = [1,2,3,4,5] 输出:4 解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4。 最大总利润为 4 。示例 3:
输入:prices = [7,6,4,3,1] 输出:0 解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0。提示:
1 <= prices.length <= 3 * 104
0 <= prices[i] <= 104
题解1:贪心
这道题曾在贪心章节打卡练习过,第二次看到就感觉比较简单了。
一句话总结贪心策略:我们可以把跨越多天的买卖等价理解成多个相邻两天的买卖--当后者大于前者时,就买前者,卖后者--我们将跨越多天的买卖等价于不断地买,然后卖,然后再买,再卖。(注意这里是可以等价于当天卖了再买)
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int ans = 0;
for (int i = 0; i < n - 1; i++) {
if (prices[i + 1] > prices[i]) { //我们可以把跨越多天的买卖等价理解成多个相邻两天的买卖
ans += prices[i + 1] - prices[i];
}
}
return ans;
}
};
题解2:动态规划
依旧是刚刚的通解思路--可当做模板。
这里依旧是:dp[i][0]表示第i天(实际的i + 1天)持有股票的最大利润,dp[i][1]表示第i天不持有股票的最大利润。
这道题和上一题唯一的区别就在于递归方程上面:
1. 第 i 天持有股票的最大利润:dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]):要么是前一天就持有股票,要么是今天刚买入;
2. 第 i 天不持有股票的最大利润:dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]):要么是前一天就不持有股票,要么是今天卖出。
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2, 0)); //dp[i][0]表示第i天(实际的i + 1天)持有股票的最大利润,dp[i][1]表示第i天不持有股票的最大利润
/* 初始化第0天(实际中的第一天) */
dp[0][0] = -prices[0]; //持有股票,只买,利润为 -prices[0]
dp[0][1] = 0; //没有买卖,利润为0
/* DP */
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); //第i天持有股票的最大利润:要么是前一天就持有股票,要么是今天刚买入
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]); //第i天不持有股票的最大利润:要么是前一天就不持有股票,要么是今天卖出
}
return dp[n - 1][1]; //返回最后一天不持有股票的最大利润--已卖光
}
};
题目三:123.买卖股票的最佳时机III
题目链接
123. 买卖股票的最佳时机 III - 力扣(LeetCode)
给定一个数组,它的第
i
个元素是一支给定的股票在第i
天的价格。设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入:prices = [3,3,5,0,0,3,1,4] 输出:6 解释:在第 4 天(股票价格 = 0)的时候买入,在第 6 天(股票价格 = 3)的时候卖出,这笔交易所能获得利润 = 3-0 = 3 。 随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。示例 2:
输入:prices = [1,2,3,4,5] 输出:4 解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。 注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。 因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。示例 3:
输入:prices = [7,6,4,3,1] 输出:0 解释:在这个情况下, 没有交易完成, 所以最大利润为 0。示例 4:
输入:prices = [1] 输出:0提示:
1 <= prices.length <= 105
0 <= prices[i] <= 105
题解:动态规划
这道题难度就要大一些了。难点就在于题目的要求:最多可以进行两笔交易--最多只能买卖两次:可能一次,可能两次,不能更多。
我们这里依旧用刚刚的动态规划思想来实现:定义 dp[i][j] 数组,i 表示天数,j 表示状态。其实这样一来,这道题也变得清晰了,只是状态由两种变成了五种。
j 的状态定义如下:
0 - 没有操作
1 - 第一次买入
2 - 第一次卖出
3 - 第二次买入
4 - 第二次卖出
剩下的就跟前两道题思路做法一致了,这里直接看代码(附有详细注释)。
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if (n == 0 || n == 1) { //先考虑特殊情况
return 0;
}
vector<vector<int>> dp(n, vector<int>(5, 0)); // dp[i][j]表示第i天处于状态j时的最大利润(j有5种状态)
// 初始化第一天(i = 0)的dp数组状态
dp[0][1] = -prices[0]; //第一次买入
dp[0][3] = -prices[0]; //第二次买入
for (int i = 1; i < n; i++) {
dp[i][0] = dp[i - 1][0]; //第i天没有操作,利润不变
dp[i][1] = max(dp[i - 1][1], -prices[i]); //表示第i天(是否选择)第一次买入股票:取前一天第一次买入的利润和今天第一次买的利润的最大值
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]); //第一次卖:取前一天第一次卖出的利润和今天卖出后的利润的最大值--即选择是否在第i天第一次卖
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]); //第二次买
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]); //第二次卖
}
return dp[n - 1][4]; //返回最后一天第二次卖出的最大利润 -- 注意:不是刚好就一定最后一天第二次卖出,而是最后一天之前(含最后一天),有第二次卖出
}
};
三、小结
今天的打卡到此也就结束了,今天通过探讨买卖股票问题,也总结出了一套做题流程,后边也将会继续加油。