想要精通算法和SQL的成长之路 - 买卖股票的最佳时机系列

前言

想要精通算法和SQL的成长之路 - 系列导航

一. 买卖股票的最佳时机(买卖一次)

原题链接
我们先来看下最简单的股票问题。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。

• 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 。

我们从题目所给信息可以得到;

1. 股票只能买一次和卖一次。
2. 那么当我们买入了一只股票，它的最大利润就是在历史最低点卖出。

那么就可以用贪心的思想，在遍历股票价格的同时。我们遍历到一个价格，就假设当天把他卖出，同时维护历史最低价，然后计算差值就是最大利润。代码如下：

public int maxProfit(int[] prices) {
    int minPrice = Integer.MAX_VALUE;
    int res = 0;
    for (int price : prices) {
        // 找到前几天的最小值
        minPrice = Math.min(minPrice, price);
        // 我们求得：如果卖当前股票，那么当前股票的 最大利润 = 当前价格 - 历史最小价
        res = Math.max(res, price - minPrice);
    }
    return res;
}

二. 买卖股票的最佳时机II(买卖多次)

原题链接
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 股票。你也可以先购买，然后在同一天出售。也就是在第一题的基础上，可以选择买卖多次。

其实这样反而比第一题要简单：

• 既然每天都可以买卖的话，那么我们只要保证，卖的时候一定是涨的。 价格下降的日子都不卖。
• 也就是说，我们可以无视价格下降的日子。

代码如下：

public int maxProfit(int[] prices) {
    int res = 0;
    for (int i = 0; i < prices.length - 1; i++) {
        int cost = prices[i + 1] - prices[i];
        // 只有涨的价格，才有利润。如果是亏的，不计入
        if (cost > 0) {
            res += cost;
        }
    }
    return res;
}

三. 买卖股票的最佳时机III(最多两次)

原题链接

在第二题的基础上，改变了限制：股票最多只能买两次。

这题目可就不能跟上面两道题一样了，我们需要开始用变量代表各个状态来完成价格的计算了。也就是动态规划。这里面用到的状态有三种：

• 当前是第几天。
• 当前是否持股：持股/为持股。
• 卖出过几次：0次，1次，2次。

那么我们用三维数组来表达：dp[i][j][r]，代表当前天数的最大利润。

• i：第几天。
• j：可能的值：0,1。0代表未持股，1代表持股。
• r：可能的值：0,1,2。卖出过几次。

那么就有

int len = prices.length;
int[][][] dp = new int[len][2][3];
// 第一天，未持股，没卖过
dp[0][0][0] = 0;
// 第一天，买入一只股票，没卖过。
dp[0][1][0] = -prices[0];
// 第一天不可能卖过，因此凡是r = 1或者2的全部是最小值。
dp[0][0][1] = dp[0][0][2] = dp[0][1][1] = dp[0][1][2] = min;

那么接下来需要开始分析各个状态情况下公式的推导：

状态	利润
今日未持股，卖出过0次 dp[i][0][0]	都没买过，利润自然是0，无论哪一天： dp[i][0][0] = 0
今日未持股，卖出过1次 dp[i][0][1]	dp[i][0][1] = Max(dp[i-1][1][0]+price[i]（今日卖出），dp[i-1][0][1]（昨日未持股）)
今日未持股，卖出过2次 dp[i][0][2]	dp[i][0][2] = Max(dp[i-1][1][1]+price[i]（今日卖出），dp[i-1][0][2]（昨日未持股）)
持股，卖出过0次 dp[i][1][0]	dp[i][1][0] = Max(dp[i-1][0][0] - price[i]（昨日买入了），dp[i-1][1][0]（前几天就买过了）)
持股，卖出过1次 dp[i][1][1]	dp[i][1][1] = Max(dp[i-1][0][1] - price[i]（昨日买入了），dp[i-1][1][1]（前几天就买过了）)
持股，卖出过2次 dp[i][1][2]	最多卖两次，不能再卖下去，这种情况不存在：dp[i][1][02 = Integer.MIN

那么最后股票的最大利润就有两种情况：

• 卖出过1次，未持股：dp[len-1][0][1]。
• 卖出过2次，未持股：dp[len-1][0][2]。

那么最终代码如下：

public int maxProfit(int[] prices) {
    int[][][] dp = new int[prices.length][2][3];
    int min = Integer.MIN_VALUE / 2;
    // 第一天，未持股，没卖过
    dp[0][0][0] = 0;
    // 第一天，买入一只股票，没卖过。
    dp[0][1][0] = -prices[0];
    // 第一天不可能卖过，因此凡是r = 1或者2的全部是最小值。
    dp[0][0][1] = dp[0][0][2] = dp[0][1][1] = dp[0][1][2] = min;
    // 第一天相关的值已经初始化了，从第二天开始计算
    for (int i = 1; i < prices.length; i++) {
        // 套公式 ,当前未持股
        dp[i][0][0] = 0;
        dp[i][0][1] = Math.max(dp[i - 1][1][0] + prices[i], dp[i - 1][0][1]);
        dp[i][0][2] = Math.max(dp[i - 1][1][1] + prices[i], dp[i - 1][0][2]);
		// 持股
        dp[i][1][0] = Math.max(dp[i - 1][0][0] - prices[i], dp[i - 1][1][0]);
        dp[i][1][1] = Math.max(dp[i - 1][0][1] - prices[i], dp[i - 1][1][1]);
        dp[i][1][2] = min;
    }
    return Math.max(0, Math.max(dp[prices.length - 1][0][1], dp[prices.length - 1][0][2]));
}

四. 买卖股票的最佳时机IV(最多k次)

原题链接

这题的难度其实并没有上升太多，因为在第三题里面，已经把状态的转移公式写的很清楚了。只不过是买卖的次数由2次变更为k次罢了。

那么代码的不同无非就是两个：

• 初始化dp数组的时候，2需要改成k+1。
• for循环中，需要在增加一个for循环。用来遍历k的下标数组。因为第三题中，k只有0,1两种可能，因此没写成for循环。

其中的公式更改为下

// 如果是持股         昨天买入（因此昨天未持股）  前几天就持股了
dp[i][1][k] = max(dp[i-1][0][k] - price , dp[i-1][1][k])
// 如果是未持股,      昨天卖出（因此昨天持股） 。 前几天也未持股
dp[i][0][k] = max(dp[i-1][1][k-1] + price , dp[i-1][0][k])

代码如下：

// 第一天相关的值已经初始化了，从第二天开始计算
for (int i = 1; i < prices.length; i++) {
    for (int k = 1; k <= K; k++) {
        // 如果是持股         昨天买入（因此昨天未持股）  前几天就持股了
        dp[i][1][k] = Math.max(dp[i - 1][0][k] - prices[i], dp[i - 1][1][k]);
        // 如果是未持股,      昨天卖出（因此昨天持股） 。 前几天也未持股
        dp[i][0][k] = Math.max(dp[i - 1][1][k - 1] + prices[i], dp[i - 1][0][k]);
    }
}

那么初始化相关的代码我们就要做（遍历r位）：

• 第一天，如果持股，那么无论k等于多少，都赋值为-prices[0]。
• 第一天，如果不持股，那么最大利润就是0。

for (int k = 0; k <= K; k++) {
    dp[0][0][k] = 0;// 第一天不持股，k不重要
    dp[0][1][k] = -prices[0];// 第一天持股
}

如果是后面几天（遍历i位）：

• 没持股、没卖过，就等于没买过。最大利润为0。
• 持股，没卖过。那么当前的值取 Max（昨天买入，前几天就持有）的最大值。

for (int i = 1; i < prices.length; i++) {
    dp[i][0][0] = 0;
    dp[i][1][0] = Math.max(dp[i - 1][0][0] - prices[i], dp[i - 1][1][0]);
}

最终代码就是：

public int maxProfit(int K, int[] prices) {
    int[][][] dp = new int[prices.length][2][K + 1];
    for (int k = 0; k <= K; k++) {
        dp[0][0][k] = 0;// 第一天不持股，k不重要
        dp[0][1][k] = -prices[0];// 第一天持股
    }
    // 第i天如果买入股票,没卖过，未持股
    for (int i = 1; i < prices.length; i++) {
        dp[i][0][0] = 0;
        dp[i][1][0] = Math.max(dp[i - 1][0][0] - prices[i], dp[i - 1][1][0]);
    }
    // 第一天相关的值已经初始化了，从第二天开始计算
    for (int i = 1; i < prices.length; i++) {
        for (int k = 1; k <= K; k++) {
            // 如果是持股         昨天买入（因此昨天未持股）  前几天就持股了
            dp[i][1][k] = Math.max(dp[i - 1][0][k] - prices[i], dp[i - 1][1][k]);
            // 如果是未持股,      昨天卖出（因此昨天持股） 。 前几天也未持股
            dp[i][0][k] = Math.max(dp[i - 1][1][k - 1] + prices[i], dp[i - 1][0][k]);
        }
    }
    return Math.max(0, Math.max(dp[prices.length - 1][0][K], dp[prices.length - 1][0][K - 1]));
}

五. 最佳买卖股票时机含冷冻期

原题链接
总结就是：

• 可以多买多卖。
• 卖了之后的那一天不能买，即1天冷冻期。

如果有冷冻期，那么我们可以把股票的持有状态分为以下三种：我们用dp[i][j]来代表第i天的最大利润。j代表对应的状态。

• 持有股票。dp[i][0]。
• 未持有股票，并且处于冷冻期dp[i][1]。
• 未持有股票，处于非冷冻期dp[i][2]。

先说第一种，持有股票的状态怎么来：

• 第一种：昨日刚买的股票，此时处于非冷冻期（冷冻期不可买）
• 第二种：前几天就持有了。

dp[i][0] = Math.max(dp[i-1][2] - price[i] , dp[i-1][0]);

---

再说下未持有+冷冻期的状态怎么来，只有一种情况：

• 就是昨天刚卖的。

dp[i][1] = dp[i-1][0] + price[i]

---

未持有+ 非冷冻期的状态：

• 第一种：昨天未持有+非冷冻期。
• 第二种：昨天未持有+冷冻期。

dp[i][2] = Math.max(dp[i-1][1] , dp[i-1][2]);

初始化即第一天买入：

dp[0][0] = -price[0]

结果：

public int maxProfit2(int[] prices) {
    int len = prices.length;
    // 0：持股。1：未持股+冷冻。2：未持股+非冷冻
    int[][] dp = new int[len][3];
    // 持股
    dp[0][0] = -prices[0];
    for (int i = 1; i < len; i++) {
        dp[i][0] = Math.max(dp[i - 1][2] - prices[i], dp[i - 1][0]);
        dp[i][1] = dp[i - 1][0] + prices[i];
        dp[i][2] = Math.max(dp[i - 1][1], dp[i - 1][2]);
    }
    // 最终肯定是未持股的状态，可能处于冷冻期，也可能处于非冷冻期
    return Math.max(dp[len - 1][1], dp[len - 1][2]);
}

六. 买卖股票的最佳时机含手续费

原题链接

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。

• 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

这个题目我们可以定义：

• dp[i][0]：第i天未持有股票的最大利润。
• dp[i][1]：第i天持有股票的最大利润。

那么推导公式如下：

// 今日不持有 = max (昨日卖出 ,和昨日不持有)
dp[i][0] = Math.max(dp[i-1][1]+prices[i]-fee,dp[i-1][0]);
// 今日持有 = max (昨日买入 ,和昨日持有)
dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);

初始值：

• 第一天不买入： dp[0][0] = 0
• 第一天买入：dp[0][1] = -prices[0]

最终结果：

public int maxProfit3(int[] prices, int fee) {
    int len = prices.length;
    int[][] dp = new int[len][2];
    dp[0][0] = 0;
    dp[0][1] = -prices[0];
    for (int i = 1; i < len; i++) {
        // 今日不持有 = max (昨日卖出 ,和昨日不持有)
        dp[i][0] = Math.max(dp[i - 1][1] + prices[i] - fee, dp[i - 1][0]);
        // 今日持有 = max (昨日买入 ,和昨日持有)
        dp[i][1] = Math.max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
    }
    // 返回最终结果，一定是不持有状态
    return dp[len - 1][0];
}

七. 总结

• 买卖股票（一次买卖）：贪心算法。我们假设股票在卖出去的时候，永远都是历史最小价格收入的。
• 买卖股票（多次买卖）：一次遍历。只看涨的，不看降的。
• 买卖股票（最多两次）：三维数组，dp[i][j][r] ：第i天，j代表是否持有：0,1。r代表卖过几次：0,1,2。
• 买卖股票（最多k次）：同样三维数组dp[i][j][r] ：第i天，j代表是否持有：0,1。r代表卖过几次：0,1,2…k。
• 买卖股票（含冷冻期）：二维数组dp[i][j]，第i天，j用三个数字代表三个状态。持有、未持有+冷冻期、未持有+非冷冻期。
• 买卖股票（含手续费）：二维数组dp[i][j]，第i天，j用两个数字代表两个状态：持有、未持有。