本篇博客将整理并使用动态规划解决买卖股票的最佳时机系列问题。
一、买卖股票的最佳时机——单笔交易
题目为121. 买卖股票的最佳时机 - 力扣(LeetCode),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
。
这道题其实不一定要用动态规划,用贪心算法,取最左最小值然后一直比较即可。现在我们学习使用动态规划解决这个题。动态规划五部曲如下:
①确定dp数组和下标含义。对每天的股票状态分成持有和不持有两种情况,所以对每天设置为二维数组dp[i][0]代表第i天持有股票状态所得的最多现金。此处的持有股票并不一定是指购买了当日的股票,而是指目前处于持有的状态,可能是持有了今日的也可能是持有的今日之前的。dp[i][1]指第i天不持有股票状态所得的最多现金,可能是当日卖出的或者是之前就卖出的。
②递推公式。dp[i][0]是第i天的持有状态,可能是今天买的就是-price[i],可能是之前买过了的就是dp[i-1][0],二者取较大值。对于dp[i][1]是第i天的不持有状态,可能是当日卖出,就是dp[i-1][0]+price[i],可能是之前就卖出了dp[i-1][1],二者取较大值。
③初始化。我们需要初始化第一天的,dp[0][0]表示第一天就是持有状态,说明第一天就买了,dp[0][0]=-price[0]。dp[0][1]表示第一天是不持有状态,说明第一天没买,dp[0][1]=0。
④遍历顺序。由递推公式知道,我们需要先知道前面的然后得到后面的,所以遍历顺序为从前往后。
⑤推导打印检查dp数组。
完整代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i<prices.size(); i++)
{
dp[i][0] = max(-prices[i],dp[i-1][0]);
dp[i][1] = max(dp[i-1][0]+prices[i],dp[i-1][1]);
}
return dp[prices.size()-1][1];
}
};
二、买卖股票的最佳时机II——多笔交易
题目为122. 买卖股票的最佳时机 II - 力扣(LeetCode),与上题不同的点在于可以进行多笔交易。同样,贪心算法也可以解决这个题,之前整理贪心算法相关知识的时候也整理过这个题,可以回看博主之前的文章复习一下。
现在我们用动态规划解决这个问题。其实跟上一题很像,只有递推公式不一样,对于dp[i][0]的推导,上一题对于i天买入的情况值为-price[i],因为只能买入一次,但这次可以多次购入,所以购入时的值为上一次不持有状态的值减去price[i]的值,所以为
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
本题的完整代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<vector<int>> dp(prices.size(),vector<int>(2,0));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i<prices.size(); 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[prices.size()-1][1];
}
};
三、买卖股票的最佳时机III——两笔交易
题目为123. 买卖股票的最佳时机 III - 力扣(LeetCode),本题可以购买两次。我们用动态规划进行分析。
①确定dp数组和下标的含义。本题只能两笔交易,所以我们状态数需要细分,分为0:没有任何操作;1:第一次持有股票;2:第一次不持有股票;3:第二次持有股票;4:第二次不持有股票。
②确定递推公式。对于0状态的值一直为0就好。1状态的值需要在上一个0状态的基础上购买i股票或者沿用上一个的1的状态下的值,二者取最大,为dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);。对于2状态,可以从前一天的1状态的基础上卖掉第i跳的股票,或者可以为延用前一天的2状态,二者取最大,为dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2]);。3和4状态同理。
③初始化。我们需要对第0天初始化。0状态就是0,1状态为-price[0],234状态理论上在第0天不可能,为了理解,我们可以把2状态理解为当天购买当天卖出,所以值为0,对于状态3可以理解为买了又卖卖了又买,所以值为-price[0],状态4同理值为0。
④遍历顺序。依旧为从前往后。
⑤推导检查dp数组。
完整代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<int> dp(5, 0);
dp[1] = -prices[0];
dp[3] = -prices[0];
for (int i = 1; i < prices.size(); i++)
{
dp[1] = max(dp[1], dp[0] - prices[i]);
dp[2] = max(dp[2], dp[1] + prices[i]);
dp[3] = max(dp[3], dp[2] - prices[i]);
dp[4] = max(dp[4], dp[3] + prices[i]);
}
return dp[4];
}
};
四、买卖股票的最佳时机IV——K笔交易
题目为188. 买卖股票的最佳时机 IV - 力扣(LeetCode),本题可以购买K次。我们用动态规划进行分析。
其实跟上一题思路类似,只是将次数扩展到K次,更具有普遍性通用性。
①确定dp数组和下标的含义。根据上题状态观察发现,除了0之外,所有奇数状态是买入,偶数状态为卖出,状态总数为2k+1。
②递推公式。递推可以按照奇偶分成两组,区别在于一个是+price[i]一个是-price[i]。
③初始化。对第0天的2k+1个状态进行统一初始化,对奇数初始化为-price[0],偶数全初始化为0。
④遍历顺序。依旧是从左往右的遍历顺序。
⑤检查dp数组。
完整代码如下:
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
vector<vector<int>> dp(prices.size(), vector<int>(2*k+1, 0));
for (int i = 1; i < 2 * k; i += 2)
{
dp[0][i] = -prices[0];
}
for (int i = 1;i < prices.size(); i++)
{
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]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
}
return dp[prices.size() - 1][2 * k];
}
};
说明:本文为作者整理知识点用于复习巩固,参考了代码随想录的讲解,有问题可以联系作者欢迎讨论~