代码随想录训练营打卡第35天：动态规划解决买卖股票问题

最新推荐文章于 2024-06-02 16:48:54 发布
最新推荐文章于 2024-06-02 16:48:54 发布
阅读量664 收藏 14
点赞数 11
分类专栏： 代码随想录训练营打卡 文章标签： 动态规划 算法 leetcode 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mooc666quq/article/details/139067720
版权

1.121买卖股票的最佳时机

1.问题解析

买卖一次获得的最大利润。

2.问题转换

price[i]-price[j]的最大值。

3.解题思路

  1. 每一天都有两种状态：持有和不持有两种状态。
  2. 对于持有状态分为两种情况：1.在今天之前已经买入。2.今天买入，前一天是不持有状态
  3. 对于不持有状态分为两种情况：1.再今天之前已经卖出。2.今天卖出，前一天是持有状态
  4. 最后取得的最大值一定是不持有状态。

4.为什么要使用动态规划？

（本题也可以使用贪心算法来实现，但是考虑到与后面题目的连续性，所以这里只考虑使用动态规划）因为在这里每一天的状态一定是由前面一天的状态递推出来，所以考虑使用动态规划的方法。

5.动态规划的具体实现

  1. dp数组的下标及其含义：dp[i][0]:代表的是第i天持有。dp[i][1]代表的是第i天不持有
  2. 递推公式：dp[i][0] = max(dp[i - 1][0], -prices[i]);//表示持有状态下获得的最大收益。dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);//表示不持有状态下获得的最大收益
  3. 初始化：第一天如果持有的话，那么代表的就是今天买入，收益为-price[0]。如果不持有的话，代表今天不进行任何操作即收益还是为0.
  4. 遍历顺序：由前面可以的递推公式可以知道，采取的是从小到大的遍历方式。
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //第一种方法：使用差值的方法进行计算即可
        /*
        int n = prices.size();
        int count = 0;
        int maxs = 0;
        for(int i = 0;i<n-1;i++){
            count += prices[i+1] - prices[i];
            if(count>maxs) maxs = count;
            if(count<0) count = 0;
        }
        return maxs;*/
        int len = prices.size();
        if (len == 0) return 0;
        vector<vector<int>> dp(len, vector<int>(2));
        dp[0][0] -= prices[0];
        dp[0][1] = 0;
        for (int i = 1; i < len; i++) {
            dp[i][0] = max(dp[i - 1][0], 0-prices[i]);
            dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
        }
        return dp[len - 1][1];
    }
};

2.122买卖股票的最佳时机2

1.问题解析

买卖多次获得的最大利润。

2.问题转换

price[i]-price[j]为正值的累加和。

3.解题思路

  1. 每一天都有两种状态：持有和不持有两种状态。
  2. 对于持有状态分为两种情况：1.在今天之前已经买入。2.今天买入，前一天是不持有状态
  3. 对于不持有状态分为两种情况：1.再今天之前已经卖出。2.今天卖出，前一天是持有状态
  4. 最后取得的最大值一定是不持有状态。

4.为什么要使用动态规划？

（本题也可以使用贪心算法来实现，但是考虑到与后面题目的连续性，所以这里只考虑使用动态规划）因为在这里每一天的状态一定是由前面一天的状态递推出来，所以考虑使用动态规划的方法。

5.动态规划的具体实现

  1. dp数组的下标及其含义：dp[i][0]:代表的是第i天持有。dp[i][1]代表的是第i天不持有
  2. 递推公式：dp[i][0] = max(dp[i-1][0],dp[i-1][1]-prices[i]);//表示持有状态下获得的最大收益（在这里由于可以多次买卖，所以如果是今天买入的话，前面的收益不再是0了，而是dp[i-1][1]）。dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);//表示不持有状态下获得的最大收益。
  3. 初始化：第一天如果持有的话，那么代表的就是今天买入，收益为-price[0]。如果不持有的话，代表今天不进行任何操作或者买入又卖出，即收益还是为0.
  4. 遍历顺序：由前面可以的递推公式可以知道，采取的是从小到大的遍历方式。
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //第一种方法：贪心算法
        /*
        int val = 0;
        int count = 0;
        int n = prices.size();
        for(int i = 1;i<n;i++){
            count = prices[i]-prices[i-1];
            if(count>0){
                val += count;
            }
        }
        return val;*/
        int n = prices.size();
        vector<vector<int>> dp(n,vector<int>(2,0));
        //dp[i][0]:代表第i天持有的最大利润
        //dp[i][1]:代表第i天未持有的最大利润
        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        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]);
        }
        return dp[n-1][1];
    }
};

3.123买卖股票的最佳时机

1.问题解析

买卖两次获得的最大利润。

2.问题转换

price[i]-price[j]的两个最大值。

3.解题思路

  1. 每一天都有五种状态：第一次持有、第二次持有、第一次不持有、第二次不持有和第三次不持有共五种状态。
  2. 对于第一次持有状态分为两种情况：1.在今天之前已经第一次买入了，今天不进行任何操作。2.今天第一次买入，前一天是第一次不持有状态。
  3. 对于第二次持有状态分为两种情况：1.在今天之前已经第二次买入了，今天不进行任何操作。2.今天第二次买入，前一天是第二次不持有状态。
  4. 对于第一次不持有状态：就是不进行任何操作。从来没有进行买入和卖出操作。
  5. 对于第二次不持有状态分为两种情况：1.在今天之前已经第一次的卖出了，今天不进行任何操作。2.今天是第一次卖出，前一天是第一次持有的状态。
  6. 对于第三次不持有状态分为两种情况：1.在今天之前已经第二次的卖出了，今天不进行任何操作。2.今天是第二次卖出，前一天是第二次持有的状态。
  7. 最后取得的最大值一定是第三次不持有状态。

4.为什么要使用动态规划？

因为在这里每一天的状态一定是由前面一天的状态递推出来，所以考虑使用动态规划的方法。

5.动态规划的具体实现

  1. dp数组的下标及其含义：dp[i][0]:代表的是第i天第一次不持有。dp[i][1]代表的是第i天第一次持有。dp[i][2]:代表的是第i天第二次不持有。dp[i][3]代表的是第i天第二次持有。dp[i][4]:代表的是第i天第三次不持有。
  2. 递推公式：dp[i][0] = dp[i-1][0];//看上方的解题思路
                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]);
  3. 初始化：第一天第一次持有或者第二次，收益都是-price[0]（因为第一天可以进行多次买入和卖出的操作，收益不变dp[0][3] = -prices[0]+prices[0]-prices[0]=-prices[0];）。如果不持有的话，代表今天不进行任何操作或者买入又卖出，即收益还是为0.
  4. 遍历顺序：由前面可以的递推公式可以知道，采取的是从小到大的遍历方式。
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //还有一种方法：就是使用一个vector存储正值，初始化的时候给一个0避免出现一种都是累加的求得的结果不够的情况
        /*
        int n = prices.size();
        vector<int> result;
        result.push_back(0);
        int count = 0;
        for(int i = 1;i<n;i++){
            int diff = prices[i]-prices[i-1];
            if(diff>=0){
                count += diff; 
            }else{
                result.push_back(count);
                count = 0;
            }
        }
        result.push_back(count);
        sort(result.begin(),result.end());
        int m = result.size();
        int ret = result[m-1]+result[m-2];
        return ret;
        */
        int n = prices.size();
        //dp[i][0]:无操作
        //dp[i][1]:第一次持有
        //dp[i][2]:第一次不持有
        //dp[i][3]:第二次持有
        //dp[i][4]:第二次不持有
        vector<vector<int>> dp(n,vector<int>(5,0));
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for(int i = 1;i < n;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 dp[n-1][4];
    }
};

4.188买卖股票的最佳时机四

1.问题解析

买卖k次获得的最大利润。和上一题很类似，只是一个是具体的只有两次而这个是k次。

2.问题转换

price[i]-price[j]的k个最大值。

3.解题思路

  1. 每一天都有2k+1种状态：第一次持有...第k次持有、第一次不持有、第二次不持有...第k+1次不持有共五种状态。
  2. 对于第一次持有状态分为两种情况：1.在今天之前已经第一次买入了，今天不进行任何操作。2.今天第一次买入，前一天是第一次不持有状态。
  3. 对于第k次持有状态分为两种情况：1.在今天之前已经第k次买入了，今天不进行任何操作。2.今天第k次买入，前一天是第k次不持有状态。
  4. 对于第一次不持有状态：就是不进行任何操作。从来没有进行买入和卖出操作。
  5. 对于第二次不持有状态分为两种情况：1.在今天之前已经第一次的卖出了，今天不进行任何操作。2.今天是第一次卖出，前一天是第一次持有的状态。
  6. 对于第k+1次不持有状态分为两种情况：1.在今天之前已经第k次的卖出了，今天不进行任何操作。2.今天是第k次卖出，前一天是第k次持有的状态。
  7. 最后取得的最大值一定是第k+1次不持有状态。

4.为什么要使用动态规划？

因为在这里每一天的状态一定是由前面一天的状态递推出来，所以考虑使用动态规划的方法。

5.动态规划的具体实现

  1. dp数组的下标及其含义：dp[i][0]:代表的是第i天第一次不持有。dp[i][1]代表的是第i天第一次持有。dp[i][2]:代表的是第i天第二次不持有。dp[i][3]代表的是第i天第二次持有。dp[i][4]:代表的是第i天第三次不持有。
  2. 递推公式：for (int j = 0; j < 2 * k - 1; j += 2) {//看前面的解题思路
                    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]);
                }
  3. 初始化：第一天第一次持有或者第k次，收益都是-price[0]（因为第一天可以进行多次买入和卖出的操作，收益不变dp[0][k] = (k-1)*(-prices[0]+prices[0])-prices[0]=-prices[0];）。如果不持有的话，代表今天不进行任何操作或者买入又卖出，即收益还是为0.
  4. 遍历顺序：由前面可以的递推公式可以知道，采取的是从小到大的遍历方式。
class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        for (int j = 1; j < 2 * k; j += 2) {
            dp[0][j] = -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];
    }
};

5.309买卖股票的最佳时机含冷冻期

1.问题解析

有冷冻期情况下的price[i]-price[j]的累加的最大值

2.问题转换

有约束条件下的price[i]-price[j]的累加的最大值

3.解题思路

  1. 每一天都有四种状态：保持买入（可以买入），保持卖出（已经过了冷冻期），今天卖出，冷冻期共四种状态。
  2. 对于保持买入分为三种情况：前一天是保持卖出的状态今天买入，前一天是冷冻期今天买入和前一天已经是买入状态今天不进行任何操作。
  3. 对于保持买入分为两种情况：前一天是保持卖出的状态今天不进行任何操作和前一天是冷冻期今天还是不进行任何操作。
  4. 对于今天卖出状态：前一天必然是保持买入状态，今天卖出。
  5. 对于冷冻期状态：前一天必然是卖出状态。
  6. 收益最大的时候一定是卖出的状态（今天卖出、保持卖出、冷冻期）。

4.为什么要使用动态规划？

因为在这里每一天的状态一定是由前面一天的状态递推出来，所以考虑使用动态规划的方法。

5.动态规划的具体实现

  1. dp数组的下标及其含义：dp[i][0]:代表的是第i天保持买入状态。dp[i][1]代表的是第i天保持卖出的状态。dp[i][2]:代表的是第i天卖出。dp[i][3]代表的是第i天为冷冻期。
  2. 递推公式：dp[i][0] = max(dp[i-1][0],max(dp[i-1][3]-prices[i],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];//由来看前面的解题思路
  3. 初始化：第一天保持买入，收益都是-price[0]。默认其他情况下都是0（不持有状态，没有收益）。
  4. 遍历顺序：由前面可以的递推公式可以知道，采取的是从小到大的遍历方式。
class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        //四种状态
        //状态0：保持买入的状态，三种情况，第一种是前一天就是买入状态，第二个是前一天是冷冻期，那么今天买入，第三个是保持卖出状态
        //状态1：保持卖出的状态，两种情况，第一种是前一时刻为冷冻期，第二个是前一时刻就是保持卖出状态。
        //状态2：今天卖出的状态，那么前一天是保持买入状态
        //状态3：冷冻期，那么前一天就是卖出状态。
        vector<vector<int>> dp(n,vector<int>(4,0));
        dp[0][0] = -prices[0];
        for(int i = 1;i<n;i++){
            dp[i][0] = max(dp[i-1][0],max(dp[i-1][3]-prices[i],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[n-1][1],max(dp[n-1][2],dp[n-1][3]));//最后利润最大的时候一定是卖出的状态，但是卖出后的状态有三种
    }
};

mooc666quq
关注
  • 11
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
代码随想录 动态规划、回溯、递归、二叉树、贪心
12-25
代码随想录全套文档 动态规划、回溯、递归、二叉树、贪心
代码随想录-八股文 pdf
04-25
代码随想录-八股文 pdf
代码随想录算法训练营第一天 - 704. 二分查找
05-08
代码随想录算法训练营第一天 - 704. 二分查找
代码随想录知识星球精华 最强⼋股⽂
04-28
代码随想录知识星球精华（最强⼋股⽂） 这份PDF总结了 代码随想录知识星球 的全部精华内容，覆盖了⼏乎程序员学习必备的内容。 知识星球⾥很多录友拿到了⼤⼚offer，包括科班 和 ⾮科班的，⽽他们的每⽇学习总结都是...
「代码随想录」动态规划专题精讲（v1.2）.pdf
07-15
「代码随想录」动态规划专题精讲（v1.2）.pdf
算法每日一题（python,2024.05.24) day.6
L613Z的博客
05-27 527
数字比较型可以用双指针法寻找数字相同（或构成其他关系）的俩个数值（或其他类型），涉及到与数值有关的列表问题可以思考到sort()排序方法加以辅助。
算法训练营day41
stmfresher的博客
05-27 359
动态规划理论基础（主要就是确定动态规划的几个步骤）
一千题，No.0037（组个最小数）
2301_76783671的博客
05-29 703
给定数字 0-9 各若干个。你可以以任意顺序排列这些数字，但必须全部使用。目标是使得最后得到的数尽可能小（注意 0 不能做首位）。例如：给定两个 0，两个 1，三个 5，一个 8，我们得到的最小的数就是 10015558。输入在一行中给出 10 个非负整数，顺序表示我们拥有数字 0、数字 1、……整数间用一个空格分隔。10 个数字的总个数不超过 50，且至少拥有 1 个非 0 的数字。现给定数字，请编写程序输出能够组成的最小的数。在一行中输出能够组成的最小的数。
图形学初识--空间变换
航行的土豆的博客
05-29 871
介绍二维和三维下的变换矩阵以及常见的推导和理解方式。主要就是：平移、旋转、缩放
算法-找出N个数组的共同元素
最新发布
Python领域优质萌新创作者
06-02 290
3.1、使用集合的intersection_update方法，将当前编辑的新闻编号集合与common_news_set取交集，并更新common_news_set。1.1、使用集合的交集操作找出被所有编辑共同编辑过的新闻：遍历每个新闻集合进行交集操作，时间复杂度为O(K)，其中K为所有编辑操作的总数。3.2、这样，common_news_set中将保留与当前编辑共同编辑过的新闻编号，即找到所有编辑共同编辑过的新闻编号的交集。news_ids: 一个包含N个列表的列表，每个列表包含一个编辑编辑过的新闻编号。
并查集拓展（扩展域并查集）
Qlarkstar的博客
05-29 945
事实证明，扩展域并查集应该在带权并查集前面讲的，因为比较好理解，而且回过头看带权并查集可能也会更轻松一些。
24.5.26（树链剖分板子，二分+线段树）
breath_of_yuan的博客
05-27 858
思路：可看出峰值的数量是固定的，为 n/2-1，头尾不可为峰，连续俩数不能都为峰，假如我们让奇数位置的值为峰( 除了头，发现如果p的 n值在偶数位，且挨着1，是无法实现的，但其实也不难解决，将p翻转后 n下标的奇偶性就会改变( 最后输出前记得翻转 q。如果只有偶数子节点，那么0/1的选择是固定的，如果存在奇节点，所有偶节点可以取更大值，对于奇节点的选择，如果偶数个奇节点，0/1各一半，如果奇数个，多的那个取父节点的反，将奇点的 0/1 差值排个序，贪心即可。easy线段树题 建平台。补重庆科技 C 二分。
代码随想录算法训练营第三十六 | ● 435. 无重叠区间 ● 763.划分字母区间 ● 56. 合并区间
cir_sky的博客
06-01 366
贪心算法——区间问题
分析和设计算法
日积月累
05-29 292
分析和设计算法
偏微分方程算法之抛物型方程差分格式编程示例一
L_peanut的博客
05-27 243
主要对本专栏所介绍的抛物型偏微分方程的差分格式进行算例补充。
【算法】位运算算法——两整数之和
2302_79031646的博客
05-28 472
两整数之和(位运算算法)
【竞赛】本科阶段部分证书考试 & 科研竞赛 的 网站导航（算法、项目、安全、数据、科研）
小哈里的博客
05-28 1050
【竞赛】本科阶段部分证书考试 & 科研竞赛 的 网站导航（算法、项目、安全、数据、科研） 文章目录 1、算法竞赛（重点） PAT/CSP 天梯赛/蓝桥/力扣 ICPC 算法竞赛 编程工具 代码源 其他 2、项目竞赛 安全与数据（重点） 项目竞赛官网 & 学习资料（独立） 网络安全 & CTF导航（独立） 项目+1（独立） 科研成果（独立） 3、其他补充 党团相关 不挂科 证书考试 零零碎碎 更多
LeetCode 2965.找出缺失和重复的数字：小数据？我选择暴力（附优化方法清单：O(1)空间方法×3）
<font color="Pink">Tisfy的博客</font>
05-31 937
【LetMeFly】2965.找出缺失和重复的数字：小数据？我选择暴力（附优化方法清单：O(1)空间方法×3） 给你一个下标从 0 开始的二维整数矩阵 grid，大小为 n * n ，其中的值在 [1, n2] 范围内。除了 a 出现 两次，b 缺失 之外，每个整数都 恰好出现一次 。 任务是找出重复的数字a 和缺失的数字 b 。 返回一个下标从 0 开始、长度为 2 的整数数组 ans ，其中 ans[0] 等于 a ，ans[1] 等于 b 。
【LeetCode算法】第88题：合并两个有序数组
致力于Linux的博客
05-28 481
合并两个有序数组，可以使用双指针法从后往前遍历，并将元素拷贝至目标位置。
代码随想录算法训练营
08-23
代码随想录算法训练营是一个优质的学习和讨论平台，提供了丰富的算法训练内容和讨论交流机会。在训练营中，学员们可以通过观看视频讲解来学习算法知识，并根据讲解内容进行刷题练习。此外，训练营还提供了刷题建议，例如先看视频、了解自己所使用的编程语言、使用日志等方法来提高刷题效果和语言掌握程度。 训练营中的讨论内容非常丰富，涵盖了各种算法知识点和解题方法。例如，在第14天的训练营中，讲解了二叉树的理论基础、递归遍历、迭代遍历和统一遍历的内容。此外，在讨论中还分享了相关的博客文章和配图，帮助学员更好地理解和掌握二叉树的遍历方法。 训练营还提供了每日的讨论知识点，例如在第15天的讨论中，介绍了层序遍历的方法和使用队列来模拟一层一层遍历的效果。在第16天的讨论中，重点讨论了如何进行调试（debug）的方法，认为掌握调试技巧可以帮助学员更好地解决问题和写出正确的算法代码。 总之，代码随想录算法训练营是一个提供优质学习和讨论环境的平台，可以帮助学员系统地学习算法知识，并提供了丰富的讨论内容和刷题建议来提高算法编程能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [代码随想录算法训练营每日精华](https://blog.csdn.net/weixin_38556197/article/details/128462133)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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