123. 买卖股票的最佳时机 III、188. 买卖股票的最佳时机 IV

文章介绍了两种使用动态规划解决买卖股票最佳时机的问题。在问题123中,状态dp包括不操作、持有和未持有的状态,通过遍历股票价格更新状态,最终得到最大利润。问题188扩展到可以进行k次交易,状态dp表示第i天不同持有状态下的最大利润,同样利用动态规划求解,时间复杂度与空间复杂度分别与问题规模和交易次数相关。
摘要由CSDN通过智能技术生成

123. 买卖股票的最佳时机 III

方法:状态dp

状态表示:0不操作1第一次持有2第一次未持有3第二次持有4第二次未持有

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<int> dp(5);
        dp[1] -= prices[0];
        dp[3] -= prices[0];
        for (int i = 0; i < n; ++i) {
            dp[1] = max(dp[0] - prices[i], dp[1]);
            dp[2] = max(dp[1] + prices[i], dp[2]);
            dp[3] = max(dp[2] - prices[i], dp[3]);
            dp[4] = max(dp[3] + prices[i], dp[4]); 
        }
        return dp[4];
    }
};

$时间复杂度O(n),空间复杂度O(1)

188. 买卖股票的最佳时机 IV

方法:状态dp

状态表示:dp[i][j]表示第i天状态为j的利润的集合 属性:最大值

  • 0 表示不操作

  • 1 第一次买入

  • 2 第一次卖出

  • 3 第二次买入

  • 4 第二次卖出

  • .....

总结规律得出:j为0表示不操作为奇数时表示持有,为偶数时表示未持有

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        int n = prices.size();
        if (!n) return 0;
        vector<vector<int>> dp(n, vector<int>(2*k+1, 0));
        for (int j = 1; j < 2 * k; j += 2) dp[0][j] -= prices[0]; 
        for (int i = 1; i < n; ++i) {
            for (int j = 0; j < 2 * k - 1; j += 2) {
                dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j] - prices[i]);
                dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]);
            }
        }
        return dp[n-1][2*k];
    }
};

$时间复杂度O(n*k),空间复杂度O(n*k)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值