leetcode买卖股票问题合集

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];
    }
}