动态规划-股票买卖问题

labuladong股票买卖

非模板（k=1只需一维数组）

1.定义dp[i]

dp[i]表示第i天所能获得的最大利润

2.状态转移方程

当price[i]<=price[i-1]时：dp[i]=dp[i-1]
当price[i]>price[i-1]时：dp[i]=price[i]-min(price[0~i-1])
这里如果要找min(price[0~i-1])可以for循环遍历，但是这样时间复杂度会变成$O(n^2)，一个优化时间复杂度的方法是用一个变量min_price维护目前的最低股价即可

模板法（三维数组 ）

1.定义dp数组和状态转移方程

2.base case

• k=0的时候
  dp[i][0][0] 表示前i天不能进行交易，并且第i天不持股，那么利润=0
  dp[i][0][1] 表示前i天不能进行交易，并且第i天持股，这不可能发生，那么用 -INF表示

• i=0~n-1，那么计算i=0的时候，会出现i-1=-1的情况：
  dp[-1][k][0] 表示开始交易的前一天，不持股，前一天最大利润为0
  dp[-1][k][1] 表示开始交易的前一天就持股了，这是不可能的可以用-INF表示，也可以用-price[0]表示

3.k=1/INF的时候

当k=1/INF的时候，可以发现k的值对装填转移方程没有影响，可以将dp降至二维dp[i][0]和dp[i][1]，并且递推法只需要for循环天数（i），因为k消除，0/1直接写在方程里，都不需要循环
因此时间复杂度为$O(n)$

模板状态转移方程(最多进行k次交易

dp[i][k][0]=max(dp[i-1][k][0],dp[i-1][k][1]+prices[i])

dp[i][k][1]=max(dp[i-1][k][1],dp[i-1][k-1][0]-prices[i])

(1) k=1时,k-1=0

dp[i-1][k-1][0]=dp[i-1][0][0]=0代入上式，

可以发现，转台转移方程中，k的值没有变化，所以k值不影响状态转移，可以省略k，化简得到：

dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])
dp[i][1]=max(dp[i-1][1],-prices[i])

（2）k=INF时

k无限，那么k和k-1没什么区别，可以把k去掉，化简状态转移方程如下：

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])

代码如下：

int dp[n][2];
int dp[0][0]=0,dp[0][1]=-prices[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][0];

（3）空间优化

可以看到，当化简后的状态转移方程，只用到两个变量（和他们的各自相邻一天的变量）

dp[i][k][0]和dp[i][k][1]，他们对应相邻的两个变量：dp[i-1][k][0]和dp[i-1][k][1]，那么可以用两个变量代替数组存储这两个变量:

int i_0;//表示dp[i][k][0],和dp[i-1][k][0]
int i_1;//表示dp[i][k][1],和dp[i-1][k][1]

状态转移方程可以写成：

int i_0=0,i_1=-prices[0];
for(int i=1;i<n;i++)
{
	i_0=max(i_0,i_1+prices[i]);
	i_1=max(i_1,i_0-prices[i]);
}

4.k>=2时

当k>=2的时候，维数不可以省略，并且需要用for循环遍历k值（1~max_k）,因此时间复杂度为$O(Kn)$

需要注意的是，当k可能>=2的时候
base case分别对i=0和k=0的时候赋值
遍历k值的时候从大到小，k的最小值为1

    for(int i=0;i<n;i++)//k的base case
    {
        dp[i][0][0]=0;
        dp[i][0][1]=-INF;
    }
 for(int i=0;i<n;i++)
    for(int l=k;l>=1;l--)
    {
        if(i==0) //i的base case
        {
            dp[0][l][0]=0;
            dp[0][l][1]=-prices[i];
     	}
        else
        {
            dp[i][l][0]=max(dp[i-1][l][0],dp[i-1][l][1]+prices[i]);
            dp[i][l][1]=max(dp[i-1][l][1],dp[i-1][l-1][0]-prices[i]);
        }
    }

5.存在交易冷冻期的时候

今天卖出，明天不能买入，后天才可以买入，那就修改dp[i][k][1]为：

dp[i][k][1]=max(dp[i-1][k][1],dp[i-1][k-2][0]-prices[i])

代码如下：

//int dp[n][2];
//base case
//dp[0][0]=0;
//dp[0][1]=-prices[0];
int i_0=0,i_1=-prices[i];
int i_pre=0;//表示dp[i-2][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-2][0]-prices[i]);

int tmp=i_0;//假设i=t,此时tmp相当于dp[t-1][0];
i_0=max(i_0,i_1+prices[i]);//此时等号左边是dp[t][0]
i_1=max(i_1,i_pre-prices[i]);//此时等号右边是dp[t][1],等号右边的i_pre是上一轮for循环i=t-1时保留的tmp的值dp[t-2][0]
i_pre=tmp;//此时i_pre中保留的是dp[t-1][0]
}

return i_0;