引言
买股票的最佳时机类的题目也是很经典的动态规划题目,出题人通过各种花里胡哨的买股票方法来考察(虐待)你,下面我们就开始看看一类的题目的各种花样;
买股票的最佳时机
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。
提示:
1 <= prices.length <= 105
0 <= prices[i] <= 104
这道题意思就是在某一天买入股票,另一天卖出,使利润最大;
1,dp[i][0]表示第 i 天不持有股票的最大利润
dp[i][1]表示第 i 天持有股票最大利润
2,因为只会买和卖一次,所以肯定会现有买入再有卖出,则
2.1,第i-1天就持有股票,那么就保持现状,为dp[i - 1][1]
如果没有股票就是第 i 天买入的,为- prices[i],则有
dp[i][1] = max(- prices[i], dp[i - 1][1]);
2.2,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 dp[i - 1][0]
如果持有股票那么就是第 i 天卖出的,为dp[i - 1][1] + prices[i],则有
dp[i][0] = max(dp[i - 1][1] + prices[i], dp[i - 1][0]);
3,如果第0天不持有股票,则dp[0][0] = 0;
如果第0天持有股票,则dp[0][1] = -prices[0];
dp[0][0] = 0;
dp[0][1] = -prices[0];
4,由转移方程可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
代码如下
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp[n][2];
dp[0][0] = 0;
dp[0][1] = -prices[0];
for (int i = 1; i < n; ++i) {
//只能买一次,所以肯定先买了再卖,所以买的价格为- prices[i]
dp[i][1] = max(- prices[i], dp[i - 1][1]);
dp[i][0] = max(dp[i - 1][1] + prices[i], dp[i - 1][0]);
}
return dp[n - 1][0];
}
};
这道题没有什么太多技巧,只需要了解到如何巧妙地使用数组表示持有股票和不持有股票即可;
买卖股票的最佳时机 II
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
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: [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: [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: [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。
提示:
1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4
这道题和一道题唯一区别就是:
第一道题的股票只会买卖一次
这道题会买卖多次;
很简单,只需要在买股票的地方改动一下就可以了
dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
因为会多次买入股票,所以买入股票的时候,可能会有之前买卖的利润dp[i - 1][0],所以dp[i - 1][0] - prices[i]
其余的地方没有什么不一样的,代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp[n][2];
dp[0][0] = 0;
dp[0][1] = -prices[0];
for (int i = 1; i < n; ++i) {
dp[i][0] = max(dp[i - 1][1] + prices[i], dp[i - 1][0]);
dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
}
return dp[n - 1][0];
}
};
这道题也不是多难,只是多了点小变换,我们来看下一道题;
买股票的最佳时机III
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
提示:
1 <= prices.length <= 10^5
0 <= prices[i] <= 10^5
这个和前两个又不一样了,这个只让完成两次交易,而且是最多,这意味着你可以买卖一次或者两次或者不买卖,该怎么做?
1,这里的dp数组可以重新设计一下:
1是第一次买入
2是第一次卖出
3是第二次买入
4是第二次卖出
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
这样看起来就很简单了吧,我们可以列出转移方程
2,
第一次买入则有
dp[i][1] = max(dp[i - 1][1], -prices[i]);
第一次卖出则有
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
第二次买入有
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
第二次卖出有
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
3,初始化也很简单,就四种情况
dp[0][1] = dp[0][3] = -prices[0]
dp[0][2] = dp[0][4] = 0;
4,循环顺序还是一样,从前向后;
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
if (prices.size() == 0) return 0;
vector<vector<int>> dp(prices.size(), vector<int>(5, 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.size(); i++) {
dp[i][1] = max(dp[i - 1][1], - prices[i]);
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
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];
}
};
这个代码有个优化版本很好看出来,就直接上代码了
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int buy1 = -prices[0], sale1 = 0;
int buy2 = -prices[0], sale2 = 0;
for (int i = 1; i < n; ++i) {
buy1 = max(buy1, -prices[i]);
sale1 = max(sale1, buy1 + prices[i]);
buy2 = max(buy2, sale1 - prices[i]);
sale2 =max(sale2, buy2 + prices[i]);
}
return sale2;
}
};
这就是用了四个变量代替了dp1,2,3,4四种情况;
这道题就有点难度了,和前两道题思路有一点不同,但是整体思路还是一样的;
再来一道试试;
买股票的最佳时期IV
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 。
提示:
0 <= k <= 100
0 <= prices.length <= 1000
0 <= prices[i] <= 1000
这道题交易次数变成了随机次数k次,该怎么做?
1,可以分别设一个vector容器buy[j]和sale[j],分别表示 j 次的买入和卖出的最大价格;
2,如果第 j 次买入的最大利润,则有
buy[j] = max(buy[j], sale[j - 1] - prices[i]);
第j次卖出的最大利润为:
sale[j] = max(sale[j], buy[j] + prices[i]);
很好理解,就不解析了;
3,因为buy要求最大值,所以开始就初始化为INT_MIN;
而由转移方程又可以看出来,sale需要初始化为0;
4,这里的遍历需要在价格里面多加一个交易的循环,且都是从前往后的循环;
代码如下:
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int n = prices.size();
vector<int> buy(k + 1, INT_MIN), sale(k + 1, 0);
for (int i = 0; i < n; ++i) {
for (int j = 1; j <= k; ++j) {
buy[j] = max(buy[j], sale[j - 1] - prices[i]);
sale[j] = max(sale[j], buy[j] + prices[i]);
}
}
return sale[k];
}
};
这道题同样有些难度,但是还没完,下面还有一道,
买股票的最佳时机含冷冻期
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]
直接分析了:
1,分为三种情况
dp[i][0]: 第i天手上持有股票的最大收益
dp[i][1]: 手上不持有股票,并且处于冷冻期中第i天的累计最大收益
dp[i][2]: 手上不持有股票,并且不在冷冻期中第i天的累计最大收益
2,三种情况的转移方程:
dp[i][0]: 因为此时持有股票,只会有两种情况,第一种是前一天就持有dp[i - 1][0],第二种是今天刚买,要想卖入股票需要不处在冷冻期,所以为dp[i - 1][2] - prices[i]
dp[i][1]: 此时没有持有股票,且处在冷冻期,所以只会有一种情况,就是前一天持有股票然后卖掉了,即为dp[i - 1][0] + prices[i]
dp[i][2]: 这时没有持有股票,但是不在冷冻期,那么就有两种情况,第一种是前一天就没有持有股票且不处在冷冻期,
为 dp[i - 1][2],第二种是前一天处在冷冻期,dp[i - 1][1];
由此可得转移方程为:
dp[i][0] = max(dp[i - 1][0], dp[i - 1][2] - prices[i]);
dp[i][1] = dp[i - 1][0] + prices[i];
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1]);
3,持有股票,初始化dp[0][0] = -prices[0],买入股票所省现金为负数。
其余不持有股票的情况初始化为0;
4,遍历顺序依旧是从前到后,遍历每天股票价格;
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int> (3, 0));
dp[0][0] = -prices[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 - 1][0] + prices[i];
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1]);
}
return max(dp[n - 1][1], dp[n - 1][2]);
}
};
对于股票类问题还有最后一道,但是不是多难了;
买卖股票的最佳时机含手续费
给定一个整数数组 prices,其中第 i 个元素代表了第 i 天的股票价格 ;非负整数 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.
注意:
0 < prices.length <= 50000.
0 < prices[i] < 50000.
0 <= fee <50000.
这道题无非就多了手续费,其余的和买股票的最佳时机II可以说一模一样,
唯一注意的地方就是在卖出股票的时候把手续费fee付了就可以了;
直接上代码了
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
//dp[i][0]是第i天不持有股票的最大利润
//dp[i][1]是第i天持有股票的最大利润
dp[0][0] = 0, dp[0][1] = -prices[0];
for (int i = 1; i < n; ++i) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);//多交个手续费
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
}
return dp[n - 1][0];
}
};
总结
这就是所有股票问题了,有许多相似的地方,不论怎么变化只要会灵活使用变换就可以了;