买卖股票的最佳时机
1. 买卖股票的最佳时机Ⅰ
1.1 问题描述
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能获取的最大利润。
返回你可以从这笔交易中获得的最大利润,若不能获取任何利润。则返回0。
【示例】
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
1.2 动态规划步骤分析
-
(1)确定状态
f[i][0]
表示第i天不持有股票所得的最多现金。f[i][1]
表示第i天持有股票所得的最多现金。初始时现金为0
,若买入股票则现金为-prices[i]
,为一个负数。持有也不代表买入,也有可能是昨天买入的。
-
(2)转移方程
-
如果第
i
天不持有股票,则- 第
i-1
天不持有股票,那就保持现状,所得到的现金和昨天不持有股票的所得现金一样,即f[i][0] = f[i-1][0]
; - 第
i
天卖出股票,所得现金就是卖出股票后所得现金,即f[i][0] = prices[i] + f[i-1][1]
;
- 第
-
若第i天持有股票
-
第
i-1
天就持有股票,则保持现状,则f[i][1] = f[i-1][1]
; -
第
i
天买入股票,则f[i][1] = -prices[i]
;//第i天不持有股票 = max(昨天也未持有今天也未持有,昨天持有今天卖出)
f[i][0] = max(f[i-1][0],f[i-1][1] + prices[i]);//第i天持有股票 = max(昨天持有,今天买入)
f[i][1] = max(f[i-1][1],-prices[i])
-
-
-
(3)初始化
- 由转移方程知,转移方程推出需要知道
f[0][0]
,f[0][1]
。f[0][0]
:第0天未持有股票的最多现金,即f[0][0] = 0
;f[0][1]
:第0天持有股票的最多现金,即f[0][1] = -prices[0]
;
- 由转移方程知,转移方程推出需要知道
-
(4)计算顺序
f[i]
由f[i-1]
推出,故从前到后遍历
1.3 C++实现
动态规划实现
int maxProfit(vector<int>& prices){
int len = prices.size();
if(len == 0) return 0;
vector<vector<int>> f(len,vector<int>(2));
f[0][0] = 0;
f[0][1] -= prices[0];
for(int i = 1;i < len;i++){
f[i][0] = max(f[i-1][0],f[i-1][1]+prices[i]);
f[i][1] = max(f[i-1][1],-prices[i]);
cout << f[i][0] << " " << f[i][1] << endl;
}
return f[len-1][0];
}
贪心算法实现
int maxProfit2(vector<int>& prices){
int low = INT_MAX;
int result = 0;
for(int i = 0;i < prices.size();++i){
low = min(low,prices[i]);//取左侧最小价格
result = max(result,prices[i]-low);//取区间的最大利润
}
return result;
}
测试
#include <iostream>
#include <vector>
#include <limits.h>
using namespace std;
int maxProfit(vector<int>& prices);
int maxProfit2(vector<int>& prices);
int main(){
vector<int> p = {7,1,5,3,6,4};
cout << maxProfit(p) << endl;
cout << maxProfit2(p) << endl;
return 0;
}
2. 买卖股票的最佳时机Ⅱ
2.1 问题描述
给定一个数组prices
,其中prices[i]
表示股票第i
天的价格。
在每一天,你都可能决定购买或者出售股票。但你在任何时候都只能持有一只股票。你也可以购买它,任何在同一天出售。
返回你能获得的最大利润。
【示例】
输入: prices = [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
输入: prices = [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
输入: prices = [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
来源:力扣(LeetCode)
2.2 动态规划步骤分析
在买卖股票的最佳时机Ⅰ中,只能购买一次股票,而在买卖股票的最佳时机Ⅱ中,可以多次购买。
对其进行动态规划的分析时,只有转移方程是不同的,其他的分析都一样
转移方程:
-
f[i][0]
:表示第i
天不持有股票所得的最大现金。有两个状态可以推出- 第
i-1
天也未持有股票,此时手中所得金额和昨天得到的金额一样,即f[i][0] = f[i-1][0]
; - 第
i
天卖出股票,所得金额为f[i][0] = f[i-1][1] + prices[i]
- 第
-
f[i][1]
:表示第i
天持有股票所获得的最大现金,也有两个状态。- 第
i-1
天已经持有股票,故第i
天和第i-1
天所获得的最大金额相同。即f[i][1] = f[i-1][1]
- 第
i-1
天未持有股票,第i
天进行购买股票。则需要考虑的是,第i-1
天未持有股票可能是之前已经卖出过股票了。故f[i][1] = f[i-1][0] - prices[i]
//第i天不持有股票所获得的最大现金 = max(第i-1天未持有股票,第i-1天持有股票第i天卖出)
f[i][0] = max(f[i-1][0],f[i-1][1] + prices[i]);//第i天持有股票所获得的最大现金 = max(第i-1天已持有股票,第i-1天未持有股票第i天买入股票)
f[i][1] = max(f[i-1][1],f[i-1][0] - prices[i]); - 第
2.3 C++实现
//买卖股票的最佳时机2
int maxProfit2(vector<int>& prices){
int len = prices.size();
if(len == 0) return 0;
vector<vector<int>> f(len,vector<int>(2));
f[0][0] = 0;
f[0][1] -= prices[0];
for(int i = 1;i < len;++i){
f[i][0] = max(f[i-1][0],f[i-1][1] + prices[i]);
f[i][1] = max(f[i-1][1],f[i-1][0] - prices[i]);
}
return f[len-1][0];
}