1.仅一次买卖
需要定义一个二维数组dp来保存状态,每一层需要两个元素来保存状态。dp[i] [0] 保存不持有股票状态, dp[i] [1] 表示持有股票状态
动规五部曲
1.确认dp数组下标含义
dp[i] [0] 表示第i天持有股票所得最多现金, dp[i] [1]表示第i天不持有股票所得最多现金
2.递推公式
1):第i天持有股票(dp[i] [0])
a:在第i-1天也持有股票:dp[i] [0] = dp[i-1] [0]
b:在第i天开始持有股票:dp[i] [0] = dp[i-1] [1]-prices[i]
dp[i] [0] = max(dp[i - 1] [0], dp[i-1] [1]-prices[i])
2):第i天不持有股票(dp[i] [1])
a:在第i-1天没有持有股票:dp[i] [1] = dp[i-1] [1]
b:在第i天没有持有股票: dp[i] [1] = dp[i-1] [0] + prices[i]
dp[i] [1] = max(dp[i - 1] [1], prices[i] + dp[i - 1] [0])
3.初始化
dp[0] [0] = -prices[0], dp[0] [1] = 0
4.从前到后
5.打印
代码
/***
* @Description:一次买卖股票
* @Author: LeoTao
* @Date: 2023-07-13 09:42:08
* @LastEditTime: 2023-07-13 10:12:48
*/
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices) {
if (prices.size() == 0) {
return 0;
}
vector<vector<int>> dp(2, vector<int>(2));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < prices.size(); i++) {
dp[i % 2][0] = max(dp[(i - 1) % 2][0], -prices[i]);
dp[i % 2][1] =
max(dp[(i - 1) % 2][1], prices[i] + dp[(i - 1) % 2][0]);
}
return dp[(prices.size() - 1) % 2][1];
}
};
总结
本题最重要的是分两种状态,需要二维dp数组来保存状态。每种状态都有两种推导方式,取其中的最大值。
2.多次买卖
多次买卖和一次买卖的区别只有一个:
推导dp[i] [0]在第i天持有股票状态的时候,可能在前面几天会有剩余的利润。在第i天开始持有股票:dp[i] [0] = dp[i-1] [1]-prices[i]
一次买卖时,第i天持有的时候前几天的利润一定是0,只有这一个区别,其他相同
在遍历的时候,只需要将dp[i] [0] 的状态推导做出调整即可。
代码:
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices) {
/*
1.dp[i][0] 表示第i天持有股票所得最多现金, dp[i][1]表示第i天不持有股票所得最多现金
2.递推 1):第i天持有股票(dp[i][0])
a:在第i-1天也持有股票:dp[i][0] = dp[i-1][0]
b:在第i天开始持有股票:dp[i][0] = dp[i-1][1]-prices[i]
dp[i][0] = max(dp[i - 1][0], dp[i-1][1]-prices[i])
2):第i天不持有股票(dp[i][1])
a:在第i-1天没有持有股票:dp[i][1] = dp[i-1][1]
b:在第i天没有持有股票: dp[i][1] = dp[i-1][0] + prices[i]
dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0])
3.初始化
dp[0][0] = -proces[0], dp[0][1] = 0
4.从前到后
5.打印
*/
int len = prices.size();
vector<vector<int>> dp(len, vector<int>(2, 0));
dp[0][0] -= prices[0];
dp[0][1] = 0;
for (int i = 1; i < len; i++) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); // 注意这里是和121. 买卖股票的最佳时机唯一不同的地方。
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
}
return dp[len - 1][1];
}
};
3.限制交易次数(最多完成两笔交易)
最多两笔交易的时候,一天就会有五种状态,分状态去讨论。
动规五部曲
1.确定dp数组以及下标的含义
一天一共就有五个状态,
- 没有操作 (其实我们也可以不设置这个状态)
- 第一次持有股票
- 第一次不持有股票
- 第二次持有股票
- 第二次不持有股票
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。
2.确定递推公式
达到dp[i] [1]状态,有两个具体操作:
- 操作一:第i天买入股票了,那么dp[i] [1] = dp[i-1] [0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i] [1] = dp[i - 1] [1]
那么dp[i] [1]究竟选 dp[i-1] [0] - prices[i],还是dp[i - 1] [1]呢?
一定是选最大的,所以 dp[i] [1] = max(dp[i-1] [0] - prices[i], dp[i - 1] [1]);
同理dp[i] [2]也有两个操作:
- 操作一:第i天卖出股票了,那么dp[i] [2] = dp[i - 1] [1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i] [2] = dp[i - 1] [2]
所以dp[i] [2] = max(dp[i - 1] [1] + prices[i], dp[i - 1] [2])
同理可推出剩下状态部分:
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]);
3.初始化
第0天没有买入:dp[0] [0] = 0
第0天做第一次买入:dp[0] [1] = - price[0]
第0天做第一次卖出:看作当天买入卖出:dp[0] [2] = 0;
第0天做第二次买入: dp[0] [3] = -price[0]
第0天做第二次卖出: dp[0] [4] = 0
4.遍历顺序:从前到后
5.打印dp数组
代码
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices) {
if(prices.size() == 0){
return 0;
}
vector<vector<int>> dp(prices.size(), vector<int>(5));//每一层有五种状态
dp[0][0] = dp[0][2] = dp[0][4] = 0;
dp[0][1] = dp[0][3] = -prices[0];
for(int i = 1; i < prices.size(); i++){
dp[i][0] = dp[i - 1][0];
dp[i][1] = max(dp[i-1][1], dp[i - 1][0] - 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 max(dp[prices.size()-1][2] ,dp[prices.size()-1][4]);//可能一次交易就能得到最大利润
}
};
总结
由于最多完成两笔交易,一天最多只有5个状态,所以我们可以通过枚举状态来实现求最大利润。
最后要注意,最多两笔交易可能是只有一笔交易,可能一笔都没有,可能是两笔,不能直接返回卖完两次的利润。
4.限制交易次数(最多完成k笔交易)
完成k笔交易,就不能一个一个枚举了。在上一道题目我们可以得知,除0之外,偶数是卖出,奇数是买入。那么可以将这k笔交易抽象出奇偶分别,通过循环对每次状态赋值或转换。由上一道题可以推导,k笔交易需要2 * k + 1个范围来记录状态。
动规五部曲
1.确认dp数组下标含义
二维数组 dp[i] [j] :第i天的状态为j,所剩下的最大现金是dp[i] [j]
j的值
0:不做操作
奇数:买入
偶数:卖出
2.递推公式
for(int j = 0; j < 2 * k + 1; j += 2){
dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j] - prices[i]);//持有状态
dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]);//不持有状态
}
3.初始化
只需要将奇数状态设置为-prices[0]
for(int j = 1; j < 2 * k + 1; j += 2){
dp[0][j] = -prices[0];
}
4.遍历顺序
从前到后
5.打印dp数组
代码
/***
* @Description:最多k次交易
* @Author: LeoTao
* @Date: 2023-07-13 15:24:37
* @LastEditTime: 2023-07-13 15:24:48
*/
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
if(prices.size() == 0){
return 0;
}
int times = 2 * k + 1;
vector<vector<int>> dp(prices.size(), vector<int>(times, 0));
for(int i = 1; i < times; i += 2){
dp[0][i] = -prices[0];
}
for(int i = 1; i < prices.size(); i++){
for(int j = 0; j < times - 2; j += 2){
dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j] - prices[i]);//持有状态
dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]);//不持有状态
}
}
return dp[prices.size() - 1][2 * k];
}
};
总结:
将k笔交易的状态抽象成奇偶状态,偶数卖出,奇数买入。最后遍历的时候,要注意遍历的边界条件,因为包含了j+2这个状态,上面的范围要相应的减去2.
5.包含冷冻期
卖出股票之后无法在第二天买入,不持有的时候又多了一种状态,再加上冷冻期一个状态。
动规五部曲
1.确认dp数组下标含义
dp[i] [j],第i天状态为j,所剩的最多现金为dp[i] [j]。
具体可以分为四个状态:
- 状态一:持有股票状态(今天买入股票,或者是之前就买入了股票然后没有操作,一直持有)
- 不持有股票状态,这里就有两种卖出股票状态
- 状态二:保持卖出股票的状态(两天前就卖出了股票,度过一天冷冻期。或者是前一天就是卖出股票状态,一直没操作)
- 状态三:今天卖出股票
- 状态四:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
用四个维度来保存对应的四个状态
2.递推公式
状态一:dp[i] [0]持有股票状态
- 前一天就持有股票,dp[i] [0] = dp[i-1] [0]
- 在第i天买入股票
- 前一天是冷冻期(状态四):dp[i] [0] = dp[i - 1] - prices[i]
- 前一天是保持卖出的状态(状态二): dp[i] [0] = dp[i-1] [1] -prices[i]
dp[i] [0] = max(dp[i - 1] [0], dp[i - 1] [3] - prices[i], dp[i - 1] [1] - prices[i]);
状态二:dp[i] [1] 保持卖出股票状态
- 前一天就是不持有股票状态:dp[i] [1] = dp[i-1] [1]
- 前一天是冷冻期:dp[i] [1] = dp[i-1] [3]
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
状态三:dp[i] [2] 达到今天就卖出股票状态
dp[i][2] = dp[i-1][0] + prices[i]
状态四:dp[i] [3] 冷冻期
冷冻期和前一天卖出股票的状态保持一致
dp[i][3] = dp[i-1][2]
3.初始化
dp[0] [0] = -prices[0];
4.遍历顺序
从前到后
5.打印dp数组
代码
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices) {
if (prices.size() == 0) {
return 0;
}
vector<vector<int>> dp(prices.size(), vector<int>(4, 0));
dp[0][0] = -prices[0];
for (int i = 1; i < prices.size(); i++) {
dp[i][0] =
max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
dp[i][2] = dp[i - 1][0] + prices[i];
dp[i][3] = dp[i - 1][2];
}
return max(dp[prices.size() - 1][3],
max(dp[prices.size() - 1][1], dp[prices.size() - 1][2]));
}
};
总结
包含冷冻期之后,状态变得复杂,这里将当天买入和之前持有两种持有状态分开讨论
6.包含手续费
类似于多次买卖,只需要在卖出时支付手续费
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2, 0));
dp[0][0] -= prices[0]; // 持股票
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
}
return max(dp[n - 1][0], dp[n - 1][1]);
}
};