121. 买卖股票的最佳时机
1.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
2.解题思路
- 动规五部曲:
- 确定dp数组以及下标的含义
- 确定递推公式
- dp数组如何初始化
- 确定遍历顺序
- 举例推导dp数组
- 1.确定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
- 2.确定递推公式
- 如果第i天持有股票即dp[i][0], 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,所得现金就是买入今天的股票后所得现金即:-prices[i]
- dp[i][0]应该选所得现金最大的,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]);
- 3.dp数组如何初始化
- 那么dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能有前一天推出来,所以dp[0][0] -= prices[0];
- dp[0][1]表示第0天不持有股票,不持有股票那么现金就是0,所以dp[0][1] = 0;
- 4.确定遍历顺序
- 从递推公式可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
- 5.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:
3.代码实现
class Solution {
//121. 买卖股票的最佳时机
public int maxProfit(int[] prices) {
//dp[i][0]:第i天持有股票所得现金
//dp[i][1]:第i天不持有股票所得现金
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < prices.length; i++) {
//第i天持有股票dp[i][0]:
//情况1:i-1天就持有股票 dp[i - 1][0]
//情况2:i-1天不持有股票,第i天买入 -prices[i]
dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);
//第i天不持有股票 dp[i][1]:
//情况1:i-1天就不持有股票 dp[i - 1][1]
//情况2:i-1天就持有股票,第i天卖出 dp[i - 1][0]+prices[i]
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
}
return dp[prices.length - 1][1];
}
}
122.买卖股票的最佳时机II
1.题目描述
- 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 。
2.解题思路
- 注意这里和121. 买卖股票的最佳时机 (opens new window)唯一不同的地方,就是推导dp[i][0]的时候,第i天买入股票的情况。
- 在121. 买卖股票的最佳时机 (opens new window)中,因为股票全程只能买卖一次,所以如果买入股票,那么第i天持有股票即dp[i][0]一定就是 -prices[i]。
- 而本题,因为一只股票可以买卖多次,所以当第i天买入股票的时候,所持有的现金可能有之前买卖过的利润。
- 那么第i天持有股票即dp[i][0],如果是第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]。
3.代码实现
class Solution {
//122.买卖股票的最佳时机II
public int maxProfit(int[] prices) {
//dp[i][0]:第i天持有股票所得现金
//dp[i][1]:第i天不持有股票所得现金
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < prices.length; i++) {
//第i天持有股票dp[i][0]:
//情况1:i-1天就持有股票 dp[i - 1][0]
//情况2:i-1天不持有股票,第i天买入 dp[i - 1][1] - prices[i](与121唯一不同的地方)
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
//第i天不持有股票 dp[i][1]:
//情况1:i-1天就不持有股票 dp[i - 1][1]
//情况2:i-1天就持有股票,第i天卖出 dp[i - 1][0]+prices[i]
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
}
return dp[prices.length - 1][1];
}
}
123.买卖股票的最佳时机III
1.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)。
2.解题思路
- 1.确定dp数组以及下标的含义
- 这道题目相对 121.买卖股票的最佳时机 (opens new window)和 122.买卖股票的最佳时机II (opens new window)难了不少。
- 关键在于至多买卖两次,这意味着可以买卖一次,可以买卖两次,也可以不买卖。
- 接来下我用动态规划五部曲详细分析一下:
- 确定dp数组以及下标的含义
- 一天一共就有五个状态,
- 没有操作
- 第一次买入
- 第一次卖出
- 第二次买入
- 第二次卖出
- dp[i][j]中 i表示第i天,j为 [0 - 4] 五个状态,dp[i][j]表示第i天状态j所剩最大现金。
//123.买卖股票的最佳时机III
public int maxProfit(int[] prices) {
//dp[i][j]:i表示第i天,j为[0-4]五个状态,dp[i][j]表示第i天状态j所剩最大现金。
//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
int[][] dp = new int[prices.length][5];
}
- 2.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]
那么dp[i][1]究竟选 dp[i-1][0] - prices[i],还是dp[i - 1][1]呢?
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]);
- 3.dp数组如何初始化
- 第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;
- 第0天做第一次买入的操作,dp[0][1] = -prices[0];
- 第0天做第一次卖出的操作,这个初始值应该是多少呢?
- 首先卖出的操作一定是收获利润,整个股票买卖最差情况也就是没有盈利即全程无操作现金为0,
- 从递推公式中可以看出每次是取最大值,那么既然是收获利润如果比0还小了就没有必要收获这个利润了。
- 所以dp[0][2] = 0;
- 第0天第二次买入操作,初始值应该是多少呢?应该不少同学疑惑,第一次还没买入呢,怎么初始化第二次买入呢?
- 第二次买入依赖于第一次卖出的状态,其实相当于第0天第一次买入了,第一次卖出了,然后在买入一次(第二次买入),那么现在手头上没有现金,只要买入,现金就做相应的减少。
- 所以第二次买入操作,初始化为:dp[0][3] = -prices[0];
- 同理第二次卖出初始化dp[0][4] = 0;
- 4.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。。
- 5.举例推导dp数组
- 以输入[1,2,3,4,5]为例
3.代码实现
class Solution {
//123.买卖股票的最佳时机III
public int maxProfit(int[] prices) {
//dp[i][j]:i表示第i天,j为[0-4]五个状态,dp[i][j]表示第i天状态j所剩最大现金。
//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
int[][] dp = new int[prices.length][5];
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 < prices.length; i++) {
//j=1:第一次买入
//dp[i][1],表示的是第i天,买入股票的状态,并不是说一定要第i天买入股票
//情况1:第i天之前已经买入 dp[i - 1][1]
//情况2:第i天买入 dp[i - 1][0] - prices[i]
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
//j=2:第一次卖出
//情况1:第i天之前已经卖出 dp[i - 1][2]
//情况2:第i天卖出 dp[i - 1][1] + prices[i]
dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
//j=3:第二次买入
//情况1:第i天之前已经买入 dp[i - 1][3]
//情况2:第i天买入 dp[i - 1][2] - prices[i]
dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
//j=4:第二次卖出
//情况1:第i天之前已经卖出 dp[i - 1][4]
//情况2:第i天卖出 dp[i - 1][3] + prices[i]
dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
return dp[prices.length - 1][4];
}
}
188.买卖股票的最佳时机IV
1.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)。
2.解题思路
- 1.确定dp数组以及下标的含义
在动态规划:123.买卖股票的最佳时机III (opens new window)中,我是定义了一个二维dp数组,本题其实依然可以用一个二维dp数组。
使用二维数组 dp[i][j] :第i天的状态为j,所剩下的最大现金是dp[i][j]
- 确定dp数组以及下标的含义
- 没有操作
- 第一次买入
- 第一次卖出
- 第二次买入
- 第二次卖出
- 大家应该发现规律了吧 ,除了0以外,偶数就是卖出,奇数就是买入。
- 题目要求是至多有K笔交易,那么j的范围就定义为 2 * k + 1 就可以了。
//188. 买卖股票的最佳时机 IV
public int maxProfit(int k, int[] prices) {
//dp[天数][股票状态]
//股票状态: 奇数表示第 k 次交易持有/买入,
//偶数表示第 k 次交易不持有/卖出, 0 表示没有操作
int[][] dp = new int[prices.length][2 * k + 1];
}
- 2.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]
那么dp[i][1]究竟选 dp[i-1][0] - prices[i],还是dp[i - 1][1]呢?
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]
同理可以类比剩下的状态,代码如下:
for (int i = 1; i < prices.length; i++) {
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
}
- 3.dp数组如何初始化
- 第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;
- 第0天做第一次买入的操作,dp[0][1] = -prices[0];
- 第0天做第一次卖出的操作,这个初始值应该是多少呢?
- 首先卖出的操作一定是收获利润,整个股票买卖最差情况也就是没有盈利即全程无操作现金为0,
- 从递推公式中可以看出每次是取最大值,那么既然是收获利润如果比0还小了就没有必要收获这个利润了。
- 所以dp[0][2] = 0;
- 第0天第二次买入操作,初始值应该是多少呢?应该不少同学疑惑,第一次还没买入呢,怎么初始化第二次买入呢?
- 第二次买入依赖于第一次卖出的状态,其实相当于第0天第一次买入了,第一次卖出了,然后在买入一次(第二次买入),那么现在手头上没有现金,只要买入,现金就做相应的减少。
- 所以第二次买入操作,初始化为:dp[0][3] = -prices[0];
- 同理第二次卖出初始化dp[0][4] = 0;
- 所以同理可以推出dp[0][j]当j为奇数的时候都初始化为 -prices[0]
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
- 4.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。。
- 5.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。
3.代码实现
class Solution {
//188. 买卖股票的最佳时机 IV
public int maxProfit(int k, int[] prices) {
//dp[天数][股票状态]
//股票状态: 奇数表示第 k 次交易持有/买入, 偶数表示第 k 次交易不持有/卖出, 0 表示没有操作
int[][] dp = new int[prices.length][2 * k + 1];
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
for (int i = 1; i < prices.length; i++) {
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
}
return dp[prices.length - 1][2 * k];
}
}
714.买卖股票的最佳时机含手续费
1.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。
2.解题思路
本题和动态规划:122.买卖股票的最佳时机II (opens new window)的区别就是这里需要多一个减去手续费的操作。
3.代码实现
class Solution {
//714.买卖股票的最佳时机含手续费
public int maxProfit(int[] prices, int fee) {
//dp[i][0]:第i天持有股票所得现金
//dp[i][1]:第i天不持有股票所得现金
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < prices.length; i++) {
//第i天持有股票dp[i][0]:
//情况1:i-1天就持有股票 dp[i - 1][0]
//情况2:i-1天不持有股票,第i天买入 dp[i - 1][1] - prices[i](与121唯一不同的地方)
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
//第i天不持有股票 dp[i][1]:
//情况1:i-1天就不持有股票 dp[i - 1][1]
//情况2:i-1天就持有股票,第i天卖出 dp[i - 1][0]+prices[i]
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
}
return dp[prices.length - 1][1];
}
}
309.最佳买卖股票时机含冷冻期
1.题目描述
- 给定一个整数数组prices,其中第 prices[i] 表示第 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):
- 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
- 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)。
2.解题思路
- 1.确定dp数组以及下标的含义
- 确定dp数组以及下标的含义
- 状态一:买入股票状态(今天买入股票,或者是之前就买入了股票然后没有操作)
- 卖出股票状态,这里就有两种卖出股票状态
- 状态二:两天前就卖出了股票,度过了冷冻期,一直没操作,今天保持卖出股票状态
- 状态三:今天卖出了股票
- 状态四:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
dp[i][j],第i天状态为j,所剩的最多现金为dp[i][j]。
//309. 最佳买卖股票时机含冷冻期
public int maxProfit(int[] prices) {
//冷冻期:卖出股票后的第二天
int n = prices.length;
//dp[i][j]:i表示第i天,j为[0-3]五个状态,dp[i][j]表示第i天状态j所剩最大现金。
//0买入状态,1保持卖出状态,2当天卖出,3冷却期
int[][] dp = new int[n][4];
}
- 2.确定递推公式
达到买入股票状态(状态一)即:dp[i][0],有两个具体操作:
- 操作一:前一天就是持有股票状态(状态一),dp[i][0] = dp[i - 1][0]
- 操作二:今天买入了,有两种情况
- 前一天是冷冻期(状态四),dp[i - 1][3] - prices[i]
- 前一天是保持卖出股票状态(状态二),dp[i - 1][1] - prices[i]
那么dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3] - prices[i], dp[i - 1][1]) - prices[i]);
达到保持卖出股票状态(状态二)即:dp[i][1],有两个具体操作:
- 操作一:前一天就是状态二
- 操作二:前一天是冷冻期(状态四)
- dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
达到今天就卖出股票状态(状态三),即:dp[i][2] ,只有一个操作:
- 操作一:昨天一定是买入股票状态(状态一),今天卖出
dp[i][2] = dp[i - 1][0] + prices[i];
- 达到冷冻期状态(状态四),即:dp[i][3],只有一个操作:
- 操作一:昨天卖出了股票(状态三)
dp[i][3] = dp[i - 1][2];
综上分析,递推代码如下:
for (int i = 1; i < n; i++) {
//0买入状态
//情况1:昨天就是买入状态了,dp[i - 1][0]
//情况2:今天买入 1)昨天是冷冻期 dp[i - 1][3] - prices[i]
//情况2:今天买入 2)昨天是维持卖出状态 dp[i - 1][1] - prices[i]
dp[i][0] = Math.max(dp[i - 1][0],
Math.max(dp[i - 1][3] - prices[i], dp[i - 1][1] - prices[i]));
//1保持卖出状态
//情况1:昨天是冷冻期, dp[i - 1][3]
//情况2:昨天是维持卖出状态,dp[i - 1][1]
dp[i][1] = Math.max(dp[i - 1][3], dp[i - 1][1]);
//2当天卖出状态
//情况1:昨天是买入状态, dp[i - 1][0]
dp[i][2] = dp[i - 1][0] + prices[i];
//3冷冻期状态
//情况1:昨天是当天卖出状态,dp[i - 1][2]
dp[i][3] = dp[i - 1][2];
}
- 3.dp数组如何初始化
- 这里主要讨论一下第0天如何初始化。
- 如果是持有股票状态(状态一)那么:dp[0][0] = -prices[0],买入股票所剩现金为负数。
- 保持卖出股票状态(状态二),第0天没有卖出dp[0][1]初始化为0就行,
- 今天卖出了股票(状态三),同样dp[0][2]初始化为0,因为最少收益就是0,绝不会是负数。
- 同理dp[0][3]也初始为0。
- 4.确定遍历顺序
- 从递归公式上可以看出,dp[i] 依赖于 dp[i-1],所以是从前向后遍历。
- 5.举例推导dp数组
- 以 [1,2,3,0,2] 为例,dp数组如下:
最后结果是取 状态二,状态三,和状态四的最大值,不少同学会把状态四忘了,状态四是冷冻期,最后一天如果是冷冻期也可能是最大值。
3.代码实现
class Solution {
//309. 最佳买卖股票时机含冷冻期
public int maxProfit(int[] prices) {
//冷冻期:卖出股票后的第二天
int n = prices.length;
//dp[i][j]:i表示第i天,j为[0-3]五个状态,dp[i][j]表示第i天状态j所剩最大现金。
//0买入状态,1保持卖出状态,2当天卖出,3冷却期
int[][] dp = new int[n][4];
dp[0][0] = -prices[0];
for (int i = 1; i < n; i++) {
//0买入状态
//情况1:昨天就是买入状态了,dp[i - 1][0]
//情况2:今天买入 1)昨天是冷冻期 dp[i - 1][3] - prices[i]
//情况2:今天买入 2)昨天是维持卖出状态 dp[i - 1][1] - prices[i]
dp[i][0] = Math.max(dp[i - 1][0],
Math.max(dp[i - 1][3] - prices[i], dp[i - 1][1] - prices[i]));
//1保持卖出状态
//情况1:昨天是冷冻期, dp[i - 1][3]
//情况2:昨天是维持卖出状态,dp[i - 1][1]
dp[i][1] = Math.max(dp[i - 1][3], dp[i - 1][1]);
//2当天卖出状态
//情况1:昨天是买入状态, dp[i - 1][0]
dp[i][2] = dp[i - 1][0] + prices[i];
//3冷冻期状态
//情况1:昨天是当天卖出状态,dp[i - 1][2]
dp[i][3] = dp[i - 1][2];
}
return Math.max(dp[n - 1][1], Math.max(dp[n - 1][2], dp[n - 1][3]));
}
}