文章目录
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:
d
p
[
i
]
[
k
]
[
1
]
=
m
a
x
(
d
p
[
i
−
1
]
[
k
]
[
1
]
,
d
p
[
i
−
1
]
[
k
−
1
]
[
0
]
−
p
r
i
c
e
s
[
i
]
)
;
dp[i][k][1] = max(dp[i-1][k][1],dp[i-1][k-1][0] - prices[i]);
dp[i][k][1]=max(dp[i−1][k][1],dp[i−1][k−1][0]−prices[i]);
d
p
[
i
]
[
k
]
[
0
]
=
m
a
x
(
d
p
[
i
−
1
]
[
k
]
[
0
]
,
d
p
[
i
−
1
]
[
k
]
[
1
]
+
p
r
i
c
e
s
[
i
]
)
;
dp[i][k][0] = max(dp[i-1][k][0],dp[i-1][k][1] + 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:
d
p
[
i
]
[
0
]
=
d
p
[
i
−
1
]
[
2
]
+
p
r
i
c
e
s
[
i
]
;
dp[i][0] = dp[i-1][2] + prices[i];
dp[i][0]=dp[i−1][2]+prices[i];
d
p
[
i
]
[
1
]
=
m
a
x
(
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
)
;
dp[i][1] = max(dp[i-1][0],dp[i-1][1]);
dp[i][1]=max(dp[i−1][0],dp[i−1][1]);
d
p
[
i
]
[
2
]
=
m
a
x
(
d
p
[
i
−
1
]
[
2
]
,
d
p
[
i
−
1
]
[
1
]
−
p
r
i
c
e
s
[
i
]
)
;
dp[i][2] = max(dp[i-1][2],dp[i-1][1] - prices[i]);
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
]
=
m
a
x
(
d
p
0
[
i
−
1
]
,
d
p
1
[
i
−
1
]
+
p
r
i
c
e
s
[
i
]
−
f
e
e
)
;
dp_0[i] = max(dp_0[i-1],dp_1[i-1]+prices[i]-fee);
dp0[i]=max(dp0[i−1],dp1[i−1]+prices[i]−fee);
d
p
1
[
i
]
=
m
a
x
(
d
p
1
[
i
−
1
]
,
d
p
0
[
i
−
1
]
−
p
r
i
c
e
s
[
i
]
)
;
dp_1[i] = max(dp_1[i-1],dp_0[i-1]-prices[i]);
dp1[i]=max(dp1[i−1],dp0[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];
}
};