leetcode63 股票的最大利润及其变体（待完善）

题目1：买卖股票的最佳时机 I

来源：leetcode63 股票的最大利润 和 LC121. 买卖股票的最佳时机

描述：给定数组 prices ，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。如果你不能获取任何利润，返回 0 。

标签：一次买卖

分析：动态规划

         状态: dp[i]代表第i天能获得的最大利润                       

         状态转移方程： dp[i] =max(不做任何操作即前i-1天的最大值, 第i天卖出股票的最大值)   =max(dp[i-1],prices[i] - minval)

         改进： 为了节省空间，可以将维护d[]改为维护最大利润 profit

复杂度：       时间复杂度：O（n）                        空间复杂度：O（1）

代码：

# LC63  LC121
def maxprofitOneSale(prices):
    minval, profit = int(1e9), 0
    for i in range(len(prices)):
        minval = min(prices[i], minval)
        profit = max(profit, prices[i] - minval)
    return profit

题目2：买卖股票的最佳时机 II

来源：LC 122. 买卖股票 的最佳时机 II 和 百度面试

 描述：给定一个数组 prices ，其中 prices[i] 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）。

标签：多次买卖

分析：

    贪心：只要能获利 就进行买卖
        如果 prices[i]>prices[i-1]，就将该差值加入表示邻近的两天有股票的买卖

        复杂度：         时间复杂度：O（n）         空间复杂度：O（1） 
    动态规划：
        状态
            d[i][0]:代表第i天交易完成后，手中不持股票时的最大利润 （不持股票包括第i-1天没有股票 以及 第i-1天有股票并在第i天将股票卖掉）
            d[i][1]:代表第i天交易完成后，手中持有股票时的最大利润（持有股票包括第i-1天有股票 以及 第i-1天没有股票并在第i天买到了新股票）
        状态方程
            d[i][0]=max(d[i-1][0],d[i-1][1]+prices[i])
            d[i][1]=max(d[i-1][0],d[i-1][0]-prices[i])
        初始状态：
            d[0][0] 第0天（对应prices的第一天 下标为0）交易结束时，没有持有股票，即没有买股票 为0.
            d[0][1] 第0天（对应prices的第一天 下标为0）交易结束时，持有股票，即买了第一个股票，为-prices[0]
        改进： 为减少时间复杂度，可以用变量sale 代表d[·][0],用变量buy代表d[·][1]  
        返回：最终返回 sale （手中不含股票）
        复杂度：         时间复杂度：O（n）         空间复杂度：O（1） 

代码：

# 贪心
def maxprofitManySale1(prices):
    profit = 0
    for i in range(1, len(prices)):
        if prices[i]>prices[i-1]:
            profit += prices[i]-prices[i-1]
    return profit
# 动态规划
def maxprofitManySale2(prices):
    sale, buy = 0, -prices[0]
    for i in range(1, len(prices)):
        sale, buy = max(sale, buy+prices[i]), max(buy, sale-prices[i])
    return sale

题目3：买卖股票的最佳时机 III（多次买卖股票含手续费）

来源：714. 买卖股票的最佳时机含手续费 和 虾皮笔试

描述：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，但是你每次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

标签：多次买卖含手续费
分析：动态规划

        同题目2的动态规划的解法，当含手续费时 在买入股票时候多减手续费即可。

        状态：

            d[i][0]:代表第i天交易完手里没有股票的最大收益  （第i天不持有股票包括：第i-1天就不持有股票  和  第i天将股票卖掉(第i-1天持有股票) ）
            d[i][1]：代表第i天交易完手里有股票的最大收益（第i天持有股票包括：第i-1天就持有股票 和 第i天买股票（第i-1天不持有股票））

        动态方程：

            d[i][0]=max(d[i-1][0], d[i-1][1]+prices[i])
            d[i][1]=max(d[i-1][1], d[i-1][0]-prices[i]-fee)

           改进：为节省空间开销，可以用 sell代替d[~][0]   buy代替d[~][1] 最后返回 sell

复杂度：   时间复杂度：O（n）         空间复杂度：O（1） 

代码：

def maxprofitManySaleWithFee(prices, fee):
    sale, buy = 0, -prices[0]-fee
    for i in range(1, len(prices)):
        sale, buy = max(sale, buy + prices[i]), max(buy, sale-prices[i]-fee)
    return sale

题目4：多次买卖股票含冷冻期

309. 最佳买卖股票时机含冷冻期  

题目：多次买卖股票含冷冻期
    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)。

     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]
分析：
     状态：
         d[i][0]:第i天交易结束后， 不持有股票的最大利润   
                （①第i天本身就没股票，即第i-1天结束后，不持有股票 d[i-1][0]

                  ② 第i天有股票，即第i-1天结束后有股票，但是卖掉了 d[i-1][1]+prices[i]
                  ③处于冷冻期，即第i-1天卖掉了股票，导致没有股票且冷冻 d[i-1][0] ）
                  d[i][0] = max(d[i-1][0],d[i-1][1]+prices[i])
         d[i][1]:第i天交易结束后，持有股票的最大利润 
                （① 第i天没买票，第i-1天就有股票 d[i-1][1]  
                  ② 第i天买的股票,此时第i-1天一定不能卖票，即d[i-1][0] = d[i-2][0]，此时我们取值为 d[i-2][0]-prices[i]）
                  d[i][1] = max(d[i-1][1],d[i-2][0]-prices[i])                
     状态转移方程：
         d[i][0] = max(d[i-1][0],d[i-1][1]+prices[i])
         d[i][1] = max(d[i-1][1],d[i-2][0]-prices[i])
    初始状态：
        需要初始化两天的状态(i=0  i=1)
        d[0][0]:第0天（对应prices[0]）结束后，不持有股票的最大利润   = 0
        d[0][1]:第0天（对应prices[0]）结束后，持有股票的最大利润   = -prices[0]
        d[1][0]:第1天（对应prices[1]）结束后，不持有股票的最大利润   = max(d[0][0], d[0][1]+prices[1])
        d[1][1]:第1天（对应prices[1]）结束后，持有股票的最大利润=max(d[0][1], -prices[1]) # 第1天没买票 或 第1天买票,第0天没买
    改进：
         salepre, sale, buy代替上述遍历。
复杂度：时间复杂度 O(n)   空间复杂度 O(1)

代码：

def maxprofitManySaleWithFreeze(prices):
    # 当天数小于1时
    n = len(prices)
    if n <= 1:
        return 0
    # 初始化两天的
    salepre, buy = 0, -prices[0]
    sale, buy = max(salepre, buy + prices[1]), max(buy, -prices[1])
    # 节省空间进行遍历
    for i in range(2, len(prices)):
        sale, buy, salepre = max(sale, buy + prices[i]), max(buy, salepre - prices[i]), sale
    return sale
print(maxprofitManySaleWithFreeze([4,2,7,1,11]))

题目5：两次买卖一只股票

  123. 买卖股票的最佳时机 III 

描述：一只股票的价格在4天的波动分别是  [1, 3, 1, 4]   求买卖该股票二次的最大收益（不可以同时买入同时卖出两只股 即 可以完成一次买卖后进行下一次买卖）

分析：动态规划+分治法
        本题和一次买卖股票是同一个题型  只不过本题是买卖两次且两次买卖没有关系
        可以考虑使用分治法  即  总共的最大利润 = 第一次买卖股票的获利 + 第二次买卖股票的获利
        可以设置dp[i]中i来表示一个节点  即两次买卖的分界点  如 dp[1]代表  [1,3]第1-2天的获利 + [3,1,4] 2-3天的获利 
ps:思考好分界点 以及边界

复杂度：              时间复杂度：O（n^2）                        空间复杂度：O（1）   dp可以使用原来的nums的空间

'''
股票的最大利润（2）
    题目简介：一只股票的价格在4天的波动分别是  [1, 3, 1, 4]   求买卖该股票二次的最大收益（不可以同时买入同时卖出两只股 即 可以完成一次买卖后进行下一次买卖）
    结果： 买卖两次  可以在第一天买 第二天卖   第三天卖 第四天卖
    分析：
        本题和上一题是同一个题型  只不过本题是买卖两次且两次买卖没有关系
        所以可以考虑使用分治法  即  总共的最大利润 = 第一次买卖股票的获利 + 第二次买卖股票的获利
        所以可以设置dp[i]中i来表示一个节点  即两次买卖的分界点  如 dp[1]代表  [1,3]第1-2天的获利 + [3,1,4] 2-3天的获利 
        ps:思考好分界点 以及边界
    复杂度：
        时间复杂度：O（n^2）
        空间复杂度：O（1）   
'''
def maxProfit2(nums):
    maxpro = 0
    for i in range(len(nums)):
        maxpro = max(maxpro, maxProfit1(nums[:i]) + maxProfit1(nums[i:]))
    return maxpro

题目6：两次买卖一只股票

   188. 买卖股票的最佳时机 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。