365天挑战LeetCode1000题——Day 002 动态规划 02

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

Study less, study smart……
今天的每日一题太难了，选择性放弃

---

1. 买卖股票的最佳时机含手续费

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。

1.1 动态规划（二维数组）

动态规划三步走：
（1）确定状态：

• F[i][0]是第i天持有股票的最大收益
• F[i][1]是第i天不持有股票且(i + 1)天为冷冻期的最大收益
• F[i][2]是第i天不持有股票且(i + 1)天不为冷冻期的最大收益

（2）确定状态转换：持有股票，要么持有昨天就有的那支，要么今天为非冷冻期时买入今天的股票；不持有股票，且明天是冷冻期，那么今天把股票卖了；不持有股票，且明天不是冷冻期，今天没卖股票且没持有股票，最大收益是昨天不持有股票的两种情况的最大值。

• $F[i][0]=max(F[i-1][0],F[i-1][2]+prices[i])$
• $F[i][1]=F[i][0]+prices[i]$
• $F[i][2]=max(F[i-1][1],F[i-1][2])$

（3）确定初始状态：

• $F[0][0]=-prices[0]$
• $F[0][1]=0$
• $F[0][2]=0$

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

1.2 优秀的解法：动态规划（空间优化）

F[i]只与F[i-1]有关，可以优化空间：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int>> dp(n, vector<int>(3));
        int dp0 = -prices[0];
        int dp1 = 0;
        int dp2 = 0;
        for (int i = 1; i < n; i++) {
            int newdp0 = max(dp0, dp2 - prices[i]);
            int newdp1 = newdp0 + prices[i];
            int newdp2 = max(dp1, dp2);
            dp0 = newdp0;
            dp1 = newdp1;
            dp2 = newdp2;
        }
        return max(dp1, dp2);
    }
};

2. 最佳买卖股票时机含冷冻期

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）。

2.1 动态规划

写了上面这题，这题就非常简单了，状态转移方程略……

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int>> dp(n, vector<int>(3));
        int dp0 = -prices[0];
        int dp1 = 0;
        int dp2 = 0;
        for (int i = 1; i < n; i++) {
            int newdp0 = max(dp0, dp2 - prices[i]);
            int newdp1 = newdp0 + prices[i];
            int newdp2 = max(dp1, dp2);
            dp0 = newdp0;
            dp1 = newdp1;
            dp2 = newdp2;
        }
        return max(dp1, dp2);
    }
};

---

总结

造，才发现把昨天发的文章直接改没了，不过无所谓，才第二天，大概知道该怎么发文章了……
今天的题目给我的启发是，在比较复杂的dp问题时，切入点可以是二维的，就是在每个时间段采取不同的策略，时间段一个维度，策略一个维度……
明天继续加油！