股票问题作为动态规划里十分经典的题目,也有着一些难度,在这里,我试图给出一套股票问题的模板。
使用这套模板,打到资本主义的压榨。
121. 买卖股票的最佳时机
122. 买卖股票的最佳时机 II
123. 买卖股票的最佳时机 III
188. 买卖股票的最佳时机 IV
309. 最佳买卖股票时机含冷冻期
714. 买卖股票的最佳时机含手续费
问题描述:
给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
示例:
输入: [1,2,3,0,2] 输出: 3 解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
分析:
和714比起来,限制条件由手续费变成了冷冻期,何妨?还是一样,也就是第 i 天的买入和第 i-2 天的卖出有关
得出dp方程
- dp0[i] = max(dp0[i-1], dp1[i-1]+prices[i])
- dp1[i] = max(dp1[i-1], dp0[i-2]-prices[i])
上代码:
class Solution:
def maxProfit(self, prices: List[int]) -> int:
if not prices:
return 0
if len(prices) == 1:
return 0
n = len(prices)
dp0 = [0] * n # dp0 手头没有股票
dp1 = [0] * n # dp1 手头有股票
dp1[0] = -prices[0]
dp1[1] = max(dp1[0], -prices[1])
dp0[1] = max(dp0[0], dp1[0] + prices[1])
for i in range(2, n):
dp0[i] = max(dp0[i-1], dp1[i-1]+prices[i])
dp1[i] = max(dp1[i-1], dp0[i-2]-prices[i])
return dp0[-1]