看到这个股票的题有多个变形,因此打算将这个系列的题都写一下
题目链接:买卖股票I
分析:将股票的价格趋势变化理解为一个趋势图,那么这个题其实要找的就是图里的最低点与最高点(满足最高点要在最低点后面)贪心
代码:
class Solution {
public int maxProfit(int[] prices) {
int low = Integer.MAX_VALUE,ans = 0;
for(int i = 0;i < prices.length;i++){
low = Math.min(low,prices[i]);
ans = Math.max(ans,prices[i]-low);
}
return ans;
}
}
题目链接:买卖股票II
分析:这道题和之前那道题的区别在于可以买卖多次,依旧贪心,大于0的部分累加
代码:
public class Solution {
public int maxProfit(int[] prices) {
int res = 0;
int len = prices.length;
for (int i = 0; i < len - 1; i++) {
res += Math.max(prices[i + 1] - prices[i], 0);
}
return res;
}
}
dp解法
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(n<2) return 0;
int[][] dp = new int[n][2];
//base case
dp[0][0] = 0; //未持有利润自然为0
dp[0][1] = -prices[0];//持有时则为需要花费的钱
for(int i = 1;i < n;i++){
//今天不持有,则:昨天就不持有或者昨天持有但是今天卖出
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
//今天持有,则:昨天就持有或者昨天未持有但是今天买入
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
}
return dp[n-1][0];
}
}
题目链接:买卖股票III
分析:这次变成最多买2次,好吧,这类题看来是求k=1,k=2,k=infinite…,需要一个通用的解决方案,好吧,我直接贴大佬的通用模板了团灭股票问题
三维数组解法:
class Solution {
public int maxProfit(int[] prices) {
if(prices==null || prices.length==0) {
return 0;
}
int n = prices.length;
//定义三维数组,第i天、交易了多少次、当前的买卖状态
int[][][] dp = new int[n][3][2];
//初始化第一天,这里的dp[0][2][1]可以不用管,后面也不会用到
dp[0][0][0] = 0;
dp[0][0][1] = -prices[0];
dp[0][1][0] = 0;
dp[0][1][1] = -prices[0];
dp[0][2][0] = 0;
dp[0][2][1] = -prices[0];
for(int i=1;i<n;++i) {
//dp[i][0][0]相当于初始状态,它只能从初始状态转换来
dp[i][0][0] = dp[i-1][0][0];
//处理第一次买入、第一次卖出
dp[i][0][1] = Math.max(dp[i-1][0][1],dp[i-1][0][0]-prices[i]);
dp[i][1][0] = Math.max(dp[i-1][1][0],dp[i-1][0][1]+prices[i]);
//处理第二次买入、第二次卖出
dp[i][1][1] = Math.max(dp[i-1][1][1],dp[i-1][1][0]-prices[i]);
dp[i][2][0] = Math.max(dp[i-1][2][0],dp[i-1][1][1]+prices[i]);
}
//返回最大值
int a = Math.max(dp[n-1][0][0],dp[n-1][0][1]);
int b = Math.max(dp[n-1][1][0],dp[n-1][1][1]);
return Math.max(Math.max(a,b),dp[n-1][2][0]);
}
}
优化为二维:
我们定义了5种状态来代替三维数组中的交易次数和买卖状态,物种状态分别如上图
dp[i][0] 初始化状态
dp[i][1] 第一次买入
dp[i][2] 第一次卖出
dp[i][3] 第二次买入
dp[i][4] 第二次卖出
class Solution {
public int maxProfit(int[] prices) {
if(prices==null || prices.length==0) {
return 0;
}
int n = prices.length;
//定义二维数组,5种状态
int[][] dp = new int[n][5];
//初始化第一天的状态
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;
for(int i=1;i<n;++i) {
//dp[i][0]相当于初始状态,它只能从初始状态转换来
dp[i][0] = dp[i-1][0];
//处理第一次买入、第一次卖出
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]-prices[i]);
dp[i][2] = Math.max(dp[i-1][2],dp[i-1][1]+prices[i]);
//处理第二次买入、第二次卖出
dp[i][3] = Math.max(dp[i-1][3],dp[i-1][2]-prices[i]);
dp[i][4] = Math.max(dp[i-1][4],dp[i-1][3]+prices[i]);
}
//返回最大值
return Math.max(Math.max( Math.max(dp[n-1][0],dp[n-1][1]),Math.max(dp[n-1][2],dp[n-1][3]) ),dp[n-1][4]);
}
}
题目链接:买卖股票IV
public class Solution {
public int maxProfit(int k, int[] prices) {
int len = prices.length;
// 特判
if (k == 0 || len < 2) {
return 0;
}
if (k >= len / 2) {
return greedy(prices, len);
}
// dp[i][j][K]:到下标为 i 的天数为止(从 0 开始),到下标为 j 的交易次数(从 0 开始)
// 状态为 K 的最大利润,K = 0 表示不持股,K = 1 表示持股
int[][][] dp = new int[len][k][2];
// 初始化:把持股的部分都设置为一个较大的负值
for (int i = 0; i < len; i++) {
for (int j = 0; j < k; j++) {
dp[i][j][1] = -9999;
}
}
// 编写正确代码的方法:对两个"基本状态转移方程"当 i - 1 和 j - 1 分别越界的时候,做特殊判断,赋值为 0 即可
for (int i = 0; i < len; i++) {
for (int j = 0; j < k; j++) {
if (i == 0) {
dp[i][j][1] = -prices[0];
dp[i][j][0] = 0;
} else {
if (j == 0) {
dp[i][j][1] = Math.max(dp[i - 1][j][1], -prices[i]);
} else {
// 基本状态转移方程 1
dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);
}
// 基本状态转移方程 2
dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);
}
}
}
// 说明:i、j 状态都是前缀性质的,只需返回最后一个状态
return dp[len - 1][k - 1][0];
}
private int greedy(int[] prices, int len) {
// 转换为股票系列的第 2 题,使用贪心算法完成,思路是只要有利润,就交易
int res = 0;
for (int i = 1; i < len; i++) {
if (prices[i - 1] < prices[i]) {
res += prices[i] - prices[i - 1];
}
}
return res;
}
}
题目链接:最佳买卖股票含冷冻时期
题目描述:
给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
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)。
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
示例:
输入: [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
题目分析:
最大利润考虑用dp去做,状态转移呢?
我们考虑一下手中持有股票的状态,持股,不持股,不持股又分为处于冷冻期和不处于冷冻期(就是卖出了呗),一共三种状态
又要维护N天的利润状态,因此利用一个二维的数组去做转移,一维代表天数,二维代表股票的状态
定义dp[i][X]为第i天结束之后的状态,那么有:
第i天持有股票,则证明前一天就持有或者是前一天不在冷冻期,同时今天进行了买入,利润-price[i]
dp[i][0] = max(dp[i-1][0], dp[i-1][2]-prices[i])
第i天未持有股票且处于冷冻期,那么证明前一天一定进行了卖出操作,利润+price[i]
dp[i][1] = dp[i-1][0]+prices[i];
第i天未持有股票且不处于冷冻期,那么证明前一天未持有且没有进行任何操作,只要是买入卖出都不可能为这个状态
dp[i][2] = Math.max(dp[i-1][1],dp[i-1][2]);
初始化第0天的状态,持股肯定是-prices[0],未持股自然就是0了
代码:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(n == 0) return 0;
int[][] dp = new int[n][3];
dp[0][0] = -prices[0];
for(int i = 1;i < n;i++){
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][2]-prices[i]);
dp[i][1] = dp[i-1][0]-prices[i];
dp[i][2] = Math.max(dp[i-1][1],dp[i-1][2]);
}
return Math.max(dp[n-1][1],dp[n-1][2]);
}
}
二维除了本身的题意体现出来的状态,有的时候需要自己去抽取另一个状态
这道题可以进一步进行空间优化,用三个变量去维护转移,因为可以看出一维完全可以去掉,只是为了更好理解
题目链接:买卖股票含手续费
题目分析:这个题和上一个题很类似,就是在买卖股票的时候多减去一个手续费就好了,状态转移也更简单,直接持有/不持有股票转移即可,0代表不持有,1代表持有
代码:
class Solution {
public int maxProfit(int[] prices, int fee) {
int n = prices.length;
int[][] dp = new int[n][2];
//base case
dp[0][0] = 0; //未持有利润自然为0
dp[0][1] = -prices[0]-fee;//持有时则为需要花费的钱
for(int i = 1;i < n;i++){
//今天不持有,则:昨天就不持有或者昨天持有但是今天卖出
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
//今天持有,则:昨天就持有或者昨天未持有但是今天买入
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0]-prices[i]-fee);
}
return dp[n-1][0];
}
}
同理改造上题
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(n<2) return 0;
int[][] dp = new int[n][2];
//base case
dp[0][0] = 0; //未持有利润自然为0
dp[0][1] = -prices[0];//持有时则为需要花费的钱
dp[1][0] = Math.max(dp[0][0],dp[0][1]+prices[1]);
dp[1][1] = Math.max(dp[0][1],dp[0][0]-prices[1]);
for(int i = 2;i < n;i++){
//今天不持有,则:昨天就不持有或者昨天未持有但是今天卖出
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
//今天持有,则:昨天就持有或者前天卖出需要冷冻一天但是今天买入
dp[i][1] = Math.max(dp[i-1][1],dp[i-2][0]-prices[i]);
}
return dp[n-1][0];
}
}