算法记录 | Day49 动态规划

121.买卖股票的最佳时机

思路:

  1. 状态定义

状态表示:
状态方程 = { d p [ i ] [ 0 ] = 表示第 i 天交易完后,手上没有股票时的最大利润, d p [ i ] [ 1 ] = 表示第 i 天交易完后,手上持有股票时的最大利润。 状态方程 = \begin{cases} dp[i][0] =表示第 i 天交易完后,手上 没有 股票时的最大利润,\\ dp[i][1] =表示第 i 天交易完后,手上 持有 股票时的最大利润。 \end{cases} 状态方程={dp[i][0]=表示第i天交易完后,手上没有股票时的最大利润,dp[i][1]=表示第i天交易完后,手上持有股票时的最大利润。

  1. 状态转移

状态转移方程为:

{ d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 1 ] + p r i c e s [ i ] ) d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , − p r i c e s [ i ] ) \begin{cases} dp[i][0] = max(dp[i-1][0],dp[i-1][1]+prices[i]) \\ dp[i][1] = max(dp[i-1][1],-prices[i]) \end{cases} {dp[i][0]=max(dp[i1][0],dp[i1][1]+prices[i])dp[i][1]=max(dp[i1][1],prices[i])

如果第i天不持有股票即dp[i] [0], 也可以由两个状态推出来

  • 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 即:dp[i - 1] [1]
  • 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金即:prices[i] + dp[i - 1] [0]

dp[i] [0]取最大的,dp[i] [0] = max(dp[i - 1] [0], prices[i] + dp[i - 1] [1]);

如果第i天持有股票即dp[i] [1], 那么可以由两个状态推出来

  • 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i - 1] [1]
  • 第i天买入股票,所得现金就是买入今天的股票后所得现金即:-prices[i]

那么dp[i] [1]应该选所得现金最大的,所以dp[i] [1] = max(dp[i - 1] [1], -prices[i]);

  1. 初始化

对第一天(i=0)的状态进行初始化:

dp[0] [0]: 第一天手上无股票,也没有购入股票。

dp[0] [1]: 第一天手上持有股票说明在当天购入了股票,花费 prices[0]prices[0]prices[0],即所获利润为 −prices[0]。

  1. 执行结果

遍历全部的日期i,则最后一天手上没有股票时的状态值dp[n-1] [0]即为我们能够获得的最大利润。

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        # dp[i][0]:第i天结束后,手上没有股票的最大利润(第i天卖出股票 )
        # dp[i][1]:第i天结束后,手术持有股票的最大利润(第i天买入股票)
        dp = [[0]*2  for _ in range(n)]

        # 初始化
        dp[0][0] = 0
        dp[0][1] = -prices[0]

        for i in range(1,n):
            # dp[i][0]:max(前一天没有股票,前一天持有股票+当天卖出)
            dp[i][0] = max(dp[i-1][0],dp[i-1][1]+prices[i]) 
            # dp[i][1]:max(前一天持有股票,前一天没有股票+当天买入)
            dp[i][1] = max(dp[i-1][1],-prices[i])
        return max(dp[n-1][0],dp[n-1][1])
        # return dp[n - 1][0

122.买卖股票的最佳时机II

思路:

  1. 状态定义

状态表示:
状态方程 = { d p [ i ] [ 0 ] = 表示第 i 天交易完后,手上没有股票时的最大利润, d p [ i ] [ 1 ] = 表示第 i 天交易完后,手上持有股票时的最大利润。 状态方程 = \begin{cases} dp[i][0] =表示第 i 天交易完后,手上 没有 股票时的最大利润,\\ dp[i][1] =表示第 i 天交易完后,手上 持有 股票时的最大利润。 \end{cases} 状态方程={dp[i][0]=表示第i天交易完后,手上没有股票时的最大利润,dp[i][1]=表示第i天交易完后,手上持有股票时的最大利润。

  1. 状态转移

状态转移方程为:

{ d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 1 ] + p r i c e s [ i ] ) d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 0 ] − p r i c e s [ i ] ) \begin{cases} 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]) \end{cases} {dp[i][0]=max(dp[i1][0],dp[i1][1]+prices[i])dp[i][1]=max(dp[i1][1],dp[i1][0]prices[i])

  1. 初始化

对第一天(i=0)的状态进行初始化:

dp[0] [0]: 第一天手上无股票,也没有购入股票。

dp[0] [1]: 第一天手上持有股票说明在当天购入了股票,花费 prices[0],即所获利润为 −prices[0]。

  1. 执行结果

遍历全部的日期i,则最后一天手上没有股票时的状态值dp[n-1] [0]即为我们能够获得的最大利润。

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        # dp[i][0]:第i天结束后,手上没有股票的最大利润(第i天卖出股票 )
        # dp[i][1]:第i天结束后,手术持有股票的最大利润(第i天买入股票)
        dp = [[0]*2  for _ in range(n)]

        # 初始化
        dp[0][0] = 0
        dp[0][1] = -prices[0]

        for i in range(1,n):
            # dp[i][0]:max(前一天没有股票,前一天持有股票+当天卖出)
            dp[i][0] = max(dp[i-1][0],dp[i-1][1]+prices[i]) 
            # dp[i][1]:max(前一天持有股票,前一天没有股票+当天买入)
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]-prices[i])
        return max(dp[n-1][0],dp[n-1][1])
        # return dp[n - 1][0]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值