动态规划单串——通杀股票问题

1.买卖股票的最佳时机

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

如果你最多只允许完成一笔交易（即买入和卖出一支股票一次），设计一个算法来计算你所能获取的最大利润。

注意：你不能在买入股票前卖出股票。

示例 1:

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。
示例 2:

输入: [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。

分析

因此我们只需要在行情的最低点买入，最高点卖出即可。也就是说，我们时刻保持最低价格的维护：当行情上涨时，我们按兵不动，当行情下跌了，也就是说前一天为这轮行情的最高点，我们以前一天价格卖出，并更新最高点以后的最低价格。

这样我们可以得到每段上涨的盈利，最终我们选择一个最多的盈利即可。

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int ans = 0;
        int minPrice = 0x7ffffff;
        for(int i = 0 ; i < prices.size();i++)
        {
            ans = max(ans,prices[i] - minPrice);
            minPrice = min(minPrice,prices[i]);   
        }
        return ans;
    }
};

2.买卖股票的最佳时机 II

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：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）。

示例 1:

输入: [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 。
示例 2:

输入: [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。
示例 3:

输入: [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。

分析

交易次数无限的情况下， 总利润是每一段上涨的和。因此只要今天比昨天上涨，我们就把上涨部分加入到总盈利中。

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int ans = 0;
        for(int i = 1; i < prices.size();i++)
        {
            if(prices[i] - prices[i-1] > 0)
            {
                ans += prices[i] - prices[i-1];
            }
        }
        return ans;
    }
};

3. 买卖股票的最佳时机 III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

注意: 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）。

示例 1:

输入: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。
示例 2:

输入: [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。
示例 3:

输入: [7,6,4,3,1] 
输出: 0 
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。

分析

因为有了交易次数限制，这一次交易会影响之后的交易情况，因此不能简单用贪心思想，要使用动态规划。

首先来思考状态：要记录的状态包括时间，使用的交易次数以及是否持有股票。因此使用三维的dp数组来存储。

dp[i,k,s] 代表第i天交易了k次以后是否持有股票（s为0/1代表不持有/持有股票）时的最大利润。

因此有状态转化图：

状态转化方程：
$$dp[i][k][1]=max(dp[i-1][k][1],dp[i-1][k-1][0]-prices[i]);$$
$$dp[i][k][0]=max(dp[i-1][k][0],dp[i-1][k][1]+prices[i]);$$

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        const int len = prices.size();
        const int k_max = 2;
        const int inf = 0x7fffff;
        if(len == 0) return 0;
        int dp[len][k_max+1][2];
        memset(dp,0,sizeof(dp));
        //处理base
        //交易次数为0时，不持有为0，持有不可能
        for(int i = 0; i < len;i++)
        {
            dp[i][0][0] = 0;
            dp[i][0][1] = -inf;
        }
        for(int i = 0; i < len;i++)
        {
            for(int k = 1; k <= k_max;k++)
            {
                if(i == 0)
                {
                    dp[i][k][1] = -prices[i];
                    dp[i][k][0] = 0;
                }
                else
                {
                    dp[i][k][1] = max(dp[i-1][k][1],dp[i-1][k-1][0] - prices[i]);
                    dp[i][k][0] = max(dp[i-1][k][0],dp[i-1][k][1] + prices[i]);
                }
            }
        }
        return dp[len-1][2][0];
    }
};

4.买卖股票的最佳时机 IV

给定一个整数数组 prices ，它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。

注意：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）。

示例 1：

输入：k = 2, prices = [2,4,1]
输出：2
解释：在第 1 天 (股票价格 = 2) 的时候买入，在第 2 天 (股票价格 = 4) 的时候卖出，这笔交易所能获得利润 = 4-2 = 2 。
示例 2：

输入：k = 2, prices = [3,2,6,5,0,3]
输出：7
解释：在第 2 天 (股票价格 = 2) 的时候买入，在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
     随后，在第 5 天 (股票价格 = 0) 的时候买入，在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。


提示：

0 <= k <= 10^9
0 <= prices.length <= 1000
0 <= prices[i] <= 1000

分析

注意到这题的k有可能大于日期/2,也就是可能的最大交易次数上限。因此可以分类讨论，当k大于等于日期/2时，则转化为买卖股票的最佳时机 II中无限交易的情景；当k小于日期/2的时候，则转化为买卖股票的最佳时机 III中固定交易次数k的问题。

代码

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        const int n = prices.size();
        // 如果k过大，由于至多交易n/2次，超过则视为交易无限次
        if(k > n/2)
        {
            int ans = 0;
            for(int i = 1; i < n;i++)
            {
                if(prices[i] - prices[i-1] > 0)
                {
                    ans += prices[i] - prices[i-1];
                }
            }
            return ans;
        }
        // 否则为有限次交易
        else
        {
            const int k_max = k;
            int dp[n][k_max+1][2];
            memset(dp,0,sizeof(dp));
            // 处理base
            // 当交易次数为0时，不持有收益为0，持有为负无穷，因为不可能
            for(int i = 0; i < n;i++)
            {
                dp[i][0][0] = 0;
                dp[i][0][1] = -0x7fffff;
            }
            for(int i = 0; i < n;i++)
            {
                for(int t = 1; t <= k_max;t++)
                {
                    // 第一天，不持有为0，持有则-price
                    if(i == 0)
                    {
                        dp[i][t][0] = 0;
                        dp[i][t][1] = -prices[i];
                    }
                    else
                    {
                        dp[i][t][0] = max(dp[i-1][t][0],dp[i-1][t][1]+prices[i]);
                        dp[i][t][1] = max(dp[i-1][t][1],dp[i-1][t-1][0]-prices[i]);
                    }
                }
            }
            return dp[n-1][k_max][0];
        }
    }
};

5. 最佳买卖股票时机含冷冻期

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)。

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

这种情况下的状态有三种： 0:不持有且处于冷冻期，1：不持有且不处于冷冻期，2：持有

状态转化图：

状态转移方程：
$$dp[i][0]=dp[i-1][2]+prices[i];$$
$$dp[i][1]=max(dp[i-1][0],dp[i-1][1]);$$
$$dp[i][2]=max(dp[i-1][2],dp[i-1][1]-prices[i]);$$

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        const int n = prices.size();
        if(n == 0) return 0;
        // n 日期长度
        // 3种状态 0:不持有且处于冷冻期，1：不持有且不处于冷冻期，2：持有
        int dp[n][3];
        memset(dp,0,sizeof(dp));
        // i == 0的base
        dp[0][0] = 0;
        dp[0][1] = 0;
        dp[0][2] = -prices[0]; 
        for(int i = 1; i < n; i++)
        {
            dp[i][0] = dp[i-1][2] + prices[i];
            dp[i][1] = max(dp[i-1][0],dp[i-1][1]);
            dp[i][2] = max(dp[i-1][2],dp[i-1][1] - prices[i]);
        }
        return max(dp[n-1][0],dp[n-1][1]); 
    }
};

6. 买卖股票的最佳时机含手续费

给定一个整数数组 prices，其中第 i 个元素代表了第 i 天的股票价格 ；非负整数 fee 代表了交易股票的手续费用。

你可以无限次地完成交易，但是你每笔交易都需要付手续费。如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。

返回获得利润的最大值。

注意：这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。

示例 1:

输入: prices = [1, 3, 2, 8, 4, 9], fee = 2
输出: 8
解释: 能够达到的最大利润:  
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8.
注意:

0 < prices.length <= 50000.
0 < prices[i] < 50000.
0 <= fee < 50000.

分析

状态包括日期和持有状态
状态转化图：

状态转移方程：
$$d{p}_0[i]=max(d{p}_0[i-1],d{p}_1[i-1]+prices[i]-fee);$$
$$d{p}_1[i]=max(d{p}_1[i-1],d{p}_0[i-1]-prices[i]);$$

代码

class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        vector<int> dp_0(prices.size(),0);
        vector<int> dp_1(prices.size(),0);
        //base case
        dp_0[0] = 0;
        dp_1[0] = -prices[0];
        for(int i = 1; i < prices.size();i++)
        {
            dp_0[i] = max(dp_0[i-1],dp_1[i-1]+prices[i]-fee);
            dp_1[i] = max(dp_1[i-1],dp_0[i-1]-prices[i]);
        }
        return dp_0[prices.size()-1];
    }
};