🍏121. 买卖股票的最佳时机
🍊题目描述
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。
🍇思路分析
动规五部曲
- 确认dp数组以及下标的含义
dp[i] [0]表示第i天持有股票所得最多现金.
dp[i] [1]表示第i天不持有股票所得最多现金.
注意: 这里说的是“持有”,“持有”不代表就是当天“买入”!也有可能是昨天就买入了,今天保持持有的状态
- 确认题解公式
如果第i天持有股票即dp[i][0]
:,那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i-1] [0]
- 第i-1天(包括i-1)未持有股票,第i天买入股票.所得现金就是买入今天的股票后所得现金即: -prices[i]
dp[i] [0]应该选择所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
如果第i天不持有骨片即dp[i] [1],也可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1] [1]
- 第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金即:prices[i] + dp[i - 1] [0]
同样dp[i] [1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
- dp数组如何初始化
由以上两个递推公式可有看出,其基础都是要从dp[0] [0]和dp[0] [1]推导出的。
- dp[0] [0]表示第0天持有股票,此时的持有股票一定是买入股票了,因为不可能由前一天推出来,所以
dp[0][0] -= prices[0];
- dp[0] [1]表示第0天不持有股票,那么现金就是0,所以
dp[0] [1] = 0;
- 确定遍历顺序
从递推公式可以看出dp[i]都是从dp[i-1]推导出来的,那么一定是从前往后遍历的
- 举例推导dp数组
以示例1,输入:[7,1,5,3,6,4]为例,dp数组状态如下:
dp[5] [1]就是最终结果。
为什么不是dp[5] [0]呢?
因为本题中不持有股票状态所得金钱一定比持有股票状态得到的多!
🍑参考代码
#include<bits/stdc++.h>
using namespace std;
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0)) ;//dp[i][0]:持有股票 dp[i][1]:不持有股票
//初始化
dp[0][0] -= prices[0] ;
dp[0][1] = 0;
//进行递推
for(int i = 1;i < prices.size(); i++) {
dp[i][0] = max(dp[i-1][0],-prices[i]);//持有时的获利:之前已经持有 和 现在开始持有的最大值.
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]); //不持有时的获利: 之前已经不持有(卖出) 和 现在不持有上次持有(卖出)
}
return dp[prices.size()-1][1];//返回最终获利
}
🍌122. 买卖股票的最佳时机 II
🍐题目描述
给定一个数组 prices
,其中 prices[i]
表示股票第 i
天的价格。
在每一天,你可能会决定购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以购买它,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 。
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: 在这种情况下, 没有交易完成, 所以最大利润为 0。
🍉思路分析
本题和上题的唯一区别在于 本题股票可以买卖多次 这就导致了动规的状态转移方程和上题稍有差别.
我们重点分析下递推公式(状态转移方程).
🍭🍭🍭如果第i天持有股票即dp[i][0]
:那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i-1] [0]
- 第i天买入股票(第i-1天(包括i-1)未持有股票,).所得现金就是买入今天的股票后所得现金 即: dp[i-1] [1]-prices[i]
dp[i] [0]应该选择所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], dp[i-1] [1]-prices[i]);
注意:
第二种就是 与上题不同第地方,上题股票全程只能买卖一次,所以如果买入股票,那么第i天持有股票dp[i] [0]一定就是-prices[i].
而本题,因为一只股票可以被买卖多次,所以当第i天买入股票的时候,所持有现金可能有之前买卖过的利润.所以所得现金就是昨天不持有股票的所得现金 减去 今天的股票价格 即:dp[i - 1][1] - prices[i]
🍬🍬🍬如果第i天不持有股票即dp[i] [1],也可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1] [1]
- 第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金即:prices[i] + dp[i - 1] [0]
同样dp[i] [1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
🍅参考代码
#include<bits/stdc++.h>
using namespace std;
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0));
dp[0][0] -= prices[0]; //持有
dp[0][1] = 0;//不持有
for(int i = 1;i < prices.size();i++) {
//dp[i][0] = max()//持有
dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i]);//持有时的获利: = max(之前持有的利润 ,之前未持有但是现在买入持有的利润)
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]) ;//不持有时的获利: = max(之前不持有利润,之前持有本次卖出的利润)
}
return dp[prices.size()-1][1] ;
}
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
🍒123. 买卖股票的最佳时机 III
🍓题目描述
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
🍎思路分析
这道题相对于 前两道题 难度又提升了不少.
关键在于 至多买卖两次,这就意味着可以买卖一次,买卖两次,也可以不买卖
我们还是按照动规五部曲来分析以下
- 确定dp数组以及下标的含义
一天股票有五种状态
- 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
dp[i] [j]中:i表示第i天,j为[0-4]五种状态,dp[i] [j]表示第i天状态j所得最大现金.
- 确定递推公式
达到dp[i] [1]状态,有两个具体操作:
- 操作一:第i天买入股票了,那么
dp[i] [1] = dp[i-1][0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:
dp[i][1] = dp[i - 1][1]
dp[i] [1]一定是选最大的,所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);
同理dp[i] [2]也有两个操作:
- 操作一:第i天卖出股票了,那么
dp[i][2] = dp[i - 1] [1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:
dp[i][2] = dp[i - 1][2]
所以dp[i] [2] = max(dp[i - 1] [1] + prices[i], dp[i - 1] [2])
同理可推出剩下状态部分:
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]);
- dp数组如何初始化
-
第0天没有操作,就是0, 即dp[0] [0] = 0
-
第0天做第一次买入操作,dp[0] [1] = -prices[0]
-
第0天做第一次卖出的操作,因为第0天嘛,都没股票(无法卖出),所以就是0了,即dp[0] [2] = 0
-
第0天第二次买入操作.第二次买入依赖于第一次卖出的状态,就相当于第0天第一次买入了,然后又卖出了(一进一出获利为0).然后开始第二次买入. 即dp[0] [3] = -prices[0]
-
第0天第二次卖出操作. dp[0] [4] = 0;
4.确定遍历顺序
从递归公式已经可以看出,一定是从前向后遍历,因为dp[i],依靠dp[i - 1]的数值。
- 举例推导dp数组
以输入[1,2,3,4,5]为例
大家可以看到红色框为最后两次卖出的状态。
现金最大的时候一定是卖出的状态,而两次卖出的状态现金最大一定是最后一次卖出。
所以最终最大利润是dp[4] [4]
🌽参考代码
#include<bits/stdc++.h>
using namespace std;
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(5,0));//定义dp
//初始化
dp[0][0] = 0;//保持不变
dp[0][1] -= prices[0]; //第一次买入
dp[0][2] = 0;//第一次卖出
dp[0][3] -= prices[0] ;//第二次买入
dp[0][4] = 0;//第二次卖出
for(int i = 1;i < prices.size(); i++) {
dp[i][0] = dp[i-1][0];
dp[i][1] = max(dp[i-1][1],dp[i][0]-prices[i]);//第一次买入: max(之前第一次买入,之前没买这次第一次买入)
dp[i][2] = max(dp[i-1][2],dp[i-1][1]+prices[i]);//第一次卖出:max(之前第一次卖出,之前没卖本次进行第一次卖出)
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]);
}
return dp[prices.size()-1][4];
}
🍇188. 买卖股票的最佳时机 IV
🍋题目描述
给定一个整数数组 prices
,它的第 i
个元素 prices[i]
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 k 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:k = 2, prices = [2,4,1]
输出:2
解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
输入:k = 2, prices = [3,2,6,5,0,3]
输出:7
解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
随后,在第 5 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 。
🍑思路分析
这道题算是上个题的进阶版,要求至多k次交易
动规五部曲
- 确定dp数组以及下标的含义
二维数组dp[i] [j] :第i天的状态为j,所剩下的最大现金是dp[i] [j]
j的状态表示为:
- 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
- …
可以发现规律: 除了0以外,偶数就是卖出,奇数就是买入.
题目要求最多K笔交易,那么j 的范围就是 0 - 2 * k (也就是2*k+1种状态)
- 确定递推公式
达到dp[i] [1]状态,有两个具体操作:
- 操作一:第i天买入股票了,那么
dp[i] [1] = dp[i - 1] [0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:
dp[i][1] = dp[i - 1
][1]
选最大的,所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
同理dp[i] [2]也有两个操作:
- 操作一:第i天卖出股票了,那么
dp[i][2] = dp[i - 1][1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:
dp[i][2] = dp[i - 1
][2]
所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可以类比剩下的状态,代码如下:
for(int j = 1;j <= 2*k; j+=2) {
dp[i][j] = max(dp[i-1][j],dp[i-1][j-1]-prices[i]);//第j/2次买入的利润
dp[i][j+1] = max(dp[i-1][j+1],dp[i-1][j]+prices[i]);//第j/2次卖出的利润
}
- dp数组如何初始化
-
第0天没有操作,就是0, 即dp[0] [0] = 0
-
第0天做第一次买入操作,dp[0] [1] = -prices[0]
-
第0天做第一次卖出的操作,因为第0天嘛,都没股票(无法卖出),所以就是0了,即dp[0] [2] = 0
-
第0天第二次买入操作.第二次买入依赖于第一次卖出的状态,就相当于第0天第一次买入了,然后又卖出了(一进一出获利为0).然后开始第二次买入. 即dp[0] [3] = -prices[0]
-
第0天第二次卖出操作. dp[0] [4] = 0;
-
…
可以观察到,对于dp[0] [j],当j为奇数的时候都初始化为-prices[0],为偶数的时候都初始化为0
- 确定遍历顺序
从递归公式其实已经可以看出,一定是从前向后遍历,因为dp[i],依靠dp[i - 1]的数值。
- 举例推导dp数组
以输入[1,2,3,4,5],k=2为例。
最后一次卖出,一定是利润最大的,**dp[prices.size() - 1] [2 * k]**即红色部分就是最后求解。
🍠参考代码
#include<bits/stdc++.h>
using namespace std;
int maxProfit(int k, vector<int>& prices) {
if(prices.size()==0 || prices.size()==1) {
return 0;
}
vector<vector<int>> dp(prices.size(),vector<int>(2*k+1,0));//dp定义
//dp初始化 dp[0][0] = 0,第一次买入、卖出 dp[0][1] = -prices[0] dp[0][2] = 0;第二次买入、卖出dp[0][3] = -prices[0] dp[0][4] = 0...
for(int i = 1;i <= 2*k;i+=2){//奇数初始化为 -1*prices[0]
dp[0][i] = -1*prices[0];
}
//进行递推
for(int i = 1; i < prices.size(); i++) {
//持有dp[i][0]不用管,永远和上一个dp[i-1][0]相等.
for(int j = 1;j <= 2*k; j+=2) {
dp[i][j] = max(dp[i-1][j],dp[i-1][j-1]-prices[i]);//第j/2次买入的利润
dp[i][j+1] = max(dp[i-1][j+1],dp[i-1][j]+prices[i]);//第j/2次卖出的利润
}
}
return dp[prices.size()-1][2*k];
}
🍓714. 买卖股票的最佳时机含手续费
🍆题目描述
给定一个整数数组 prices
,其中 prices[i]
表示第 i
天的股票价格 ;整数 fee
代表了交易股票的手续费用。
你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。
返回获得利润的最大值。
**注意:**这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
示例 1:
输入:prices = [1, 3, 2, 8, 4, 9], fee = 2
输出:8
解释:能够达到的最大利润:
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8
示例 2:
输入:prices = [1,3,7,5,10,3], fee = 3
输出:6
🍌思路分析
相对于**[动态规划:122.买卖股票的最佳时机II]**,本题只需要在计算卖出操作的时候减去手续费就可以了,代码几乎是一样的。
唯一差别在于递推公式部分,所以接下来分析一下递推公式部分。
这里重申一下dp数组的含义:
dp[i] [0] 表示第i天持有股票所省最多现金。 dp[i] [1] 表示第i天不持有股票所得最多现金
🍍🍍🍍如果第i天持有股票即dp[i] [0], 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i - 1] [0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:
dp[i - 1][1] - prices[i]
所以:dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
🍠🍠🍠如果第i天不持有股票即dp[i] [1]的情况, 依然可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1] [1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金,注意这里需要有手续费了即:
dp[i - 1][0] + prices[i] - fee
所以:dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
🍇参考代码
#include<bits/stdc++.h>
using namespace std;
int maxProfit(vector<int>& prices, int fee) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0));//定义dp
//初始化
dp[0][0] -= prices[0];//持有
dp[0][1] = 0;//不持有
for(int i = 1; i < prices.size(); i++) {
dp[i][0] = max(dp[i-1][0],dp[i-1][1] - prices[i]);//持有时的获利: = max(之前持有的利润 ,之前未持有但是现在买入持有的利润)
dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]-fee);//不持有时的获利: = max(之前不持有利润,之前持有本次卖出的利润)
}
return dp[prices.size()-1][1];
}
以上相关题解来源于卡尔大佬的代码随想录
如果有收获!!! 希望老铁们来个三连,点赞、收藏、转发。
创作不易,别忘点个赞,可以让更多的人看到这篇文章,顺便鼓励我写出更好的博客