这道题有两种解法:动态规划 or 贪心算法。
贪心算法的提交结果要比动态规划好一些,总体上动态规划的解法更容易想到。(完整题目附在了最后)
1、动态规划解法
设置两个数,dp[0]表示遍历到股票prices[i]时手里没有股票情况下的纯利润(要么就是无操作,要么就是卖掉手里的股票,卖掉股票是要减去fee,两种操作之间选择利益最大的做法); dp[1]表示遍历到股票prices[i]时手里有股票情况下的纯利润(在“无操作”和“购入当前股票”两种做法之间选择利益最大的做法),那么遍历到股票prices[i+1]时,
dp = [max(dp[0], dp[1] + prices[i] - fee), max(dp[1], dp[0] - prices[i])]。
根据整体意思,dp初始化时为 [0, -prices[0]]。
# 动态规划解法
class Solution(object):
def maxProfit(self, prices, fee):
n = len(prices)
dp = [0, -prices[0]]
for i in range(1, n):
dp = [max(dp[0], dp[1] + prices[i] - fee), max(dp[1], dp[0] - prices[i])]
return max(dp)
2、贪心解法
1)在连续递减的情况下买入价格最低时的股票,在不亏本的情况下如果连续递增则在最高点卖掉股票(因为要多考虑一个fee的费用,所以不亏本的前提要加上)。
2)代码有点弯弯绕在里面,就是在还没买入的时候我们把手续费fee加到当前股票价格price上面,遍历prices数组,判断各个相邻price+fee后的大小,在连续递减的情况下选择最低点的买入。
3)买入之后就要寻找最高点卖出,我们继续往后遍历,找到卖出能够有利润的第一支股票,设置一个“虚拟卖出”,由于后面的股票价格可能更高,所以这里不一定是当前这笔交易最后卖出的价格。如果后面的股票价格更高,则把价格差加入到profit里面,直到股票价格开始下降,当前交易才算完成,购入点为最低点,卖出点为有利润的情况下的最高点。
4)重复2)与3)中的买入卖出步骤,直到遍历完prices数组。
# 贪心解法
class Solution:
def maxProfit(self, prices, fee):
n = len(prices)
profit = 0
budget = prices[0] + fee
for i in range(1, n):
if prices[i] + fee < budget:
budget = prices[i] + fee
elif prices[i] > budget:
profit += prices[i] - budget
budget = prices[i]
return profit
3、完整题目:
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。
示例 1:
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
示例 2:
输入:prices = [1,3,7,5,10,3], fee = 3 输出:6
提示:
1 <= prices.length <= 5 * 10^4
1 <= prices[i] < 5 * 10^4
0 <= fee < 5 * 10^4