股票问题汇总
这篇文章是动态问题股票问题的汇总,希望可以找到一种通用的框架解决股票问题,其中还有一些别的算法可以解决,暂时就不放代码了
121. 买卖股票的最佳时机
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
。
思路:动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp_i_0 = 0,dp_i_1 = INT_MIN;
for(int i = 0;i < n;i ++){
dp_i_0 = max(dp_i_0,dp_i_1 + prices[i]);
dp_i_1 = max(dp_i_1,-prices[i]);
}
return dp_i_0;
}
};
122. 买卖股票的最佳时机 II
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 。
思路1:贪心算法
class Solution {
public:
int maxProfit(vector<int>& prices) {
int res = 0;
for(int i = 1;i < prices.size();i ++){
res += max(0,prices[i] - prices[i - 1]);
}
return res;
}
};
思路2:动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
vector<vector<int>> dp(n,vector<int>(2));
dp[0][1] = -prices[0],dp[0][0] = 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];
}
};
从递推公式可以看出,dp[i]只是依赖于dp[i - 1]的状态。
dp[i][0] = max(dp[i - 1][0], -prices[i]);
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
那么我们只需要记录 当前天的dp状态和前一天的dp状态就可以了,可以使用滚动数组来节省空间
思路2:动态规划(优化空间版本)
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp_i_0 = 0,dp_i_1 = INT_MIN;
for(int i = 0;i < n;i ++){
int tmp = dp_i_0;//注意由于k是无限次,所有前面i - 1天是存在利润的,用temp暂存
dp_i_0 = max(dp_i_0,dp_i_1 + prices[i]);
dp_i_1 =max(tmp - prices[i],dp_i_1);
}
return dp_i_0;
}
};
309. 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)。
和上一道题一样的,只不过每次 sell
之后要等一天才能继续交易,只要把这个特点融入上一题的状态转移方程即可:
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-2][0] - prices[i])
解释:第 i 天选择 buy 的时候,要从 i-2 的状态转移,而不是 i-1 。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp_i_0 = 0,dp_i_1 = INT_MIN,dp_pre_0 = 0;
for(int i = 0;i < n;i ++){
int tmp = dp_i_0;//注意这里需要tmp暂存之前i - 1天的利益 ,如果只有一次交易就不需要
dp_i_0 = max(dp_i_0,dp_i_1 + prices[i]);
dp_i_1 = max(dp_i_1,dp_pre_0 - prices[i]);
dp_pre_0 = tmp;
}
return dp_i_0;
}
};
123. 买卖股票的最佳时机 III(只卖两次)
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)。
关键在于把所有情况穷举完成
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp_i10 = 0,dp_i11 = INT_MIN;
int dp_i20 = 0,dp_i21 = INT_MIN;
for(int i = 0;i < n;i ++){
dp_i10 = max(dp_i10,dp_i11 + prices[i]);
dp_i11 = max(dp_i11,-prices[i]);
dp_i20 = max(dp_i20,dp_i21 + prices[i]);
dp_i21 = max(dp_i21,dp_i10 - prices[i]);
}
return dp_i20;
}
};
714. 买卖股票的最佳时机含手续费
难度中等671
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。
思路:
比较简单,和前面差不多,只是多了手续费,在状态转移的时候加进去就可以
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
int dp_i_0 = 0,dp_i_1 = INT_MIN;
for(int i = 0;i < n;i ++){
int tmp = dp_i_0;
dp_i_0 = max(dp_i_0,dp_i_1 + prices[i]);
dp_i_1 = max(dp_i_1,dp_i_0 - prices[i] - fee);
}
return dp_i_0;
}
};