动态规划--股票系列(二):买卖股票的最佳时机

之前一篇动态规划–股票系列(一):买卖股票的最佳时机讲解了股票系列中买卖多次且k值确定下所得的最大利润。现在来分析一下,力扣上其他题目。
可解决力扣题目:122、309、714

122. 买卖股票的最佳时机 II

在这里插入图片描述
在这里插入图片描述

解法1:贪心

假如第0天买入,第3天卖出,那么获得的利润为prices[3]-prices[0]
可以分解为:(prices[3]-prices[2])+(prices[2]-prices[1])+(prices[1]-prices[0]),那么问题转化为,每天利润,收集正利润就可以。
整体代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int res = 0;
        for(int i = 1; i < prices.size(); i++){
            // 只收集每天的正利润,从第二天开始产生利润
            if(prices[i] - prices[i - 1] > 0){
                res += prices[i] - prices[i - 1];
            }
        }
        return res;
    }
};
解法2:动态规划

121. 买卖股票的最佳时机唯一不同的地方,在于本题可以买卖多次,体现在代码中也就是当你买入(持有)的时候,需要考虑上次卖出后(不持有)对本次买入的影响!
整体代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        // 动态规划
        // dp[i][0]--第 i 天持有股票所得最大现金
        // dp[i][1]--第 i 天不持有股票所得最大现金
        vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
        dp[0][0] = -prices[0];
        for(int i = 1; i < prices.size(); i++){
            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); //唯一不同,因为这里允许买卖多次
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.size() - 1][1];
    }
};

309. 最佳买卖股票时机含冷冻期

在这里插入图片描述

思路:4个状态

当天状态如下:

  • 0–买入
  • 1–两天前卖出并且度过冷冻期,现在保持状态(还未进行下一次买入)
  • 2–卖出
  • 3–处于冷冻期,仅保持一天,也就是前一天是卖出状态

状态定义:dp[i][j]中,i表示第i天,j∈[0,3],表示一天中的4个状态

递推方程:

  • 对于dp[i][0],也就是买入状态,有3种情况

    • 前一天就买入,但是一直保持这种状态不操作,即dp[i][0]=dp[i - 1][0]在这里插入图片描述

    • 今天买入,那么前一天有两种情况

      • 前一天是冷冻期,那么dp[i][0]=dp[i - 1][3]-prices[i]在这里插入图片描述

      • 两天前卖出并且度过冷冻期后,没有操作(至少一天),即dp[i][0]=dp[i - 1][1]-prices[i]在这里插入图片描述

    取三者最大值。

  • 对于dp[i][1],有2种情况:

    • 前一天是冷冻期,dp[i][1]=dp[i-1][3][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aWHduxyb-1625139637042)(动态规划1-20.assets/image-20210619103725381.png)]

    • 两天前是冷冻期,但是还没买入,保持dp[i][1]=dp[i-1][1][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BmNiRKjZ-1625139637043)(动态规划1-20.assets/image-20210619103937181.png)]

  • 对于dp[i][2]
    今天卖出,即dp[i][2]=dp[i-1][0]+prices[i]***[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZPat3ZKp-1625139637044)(动态规划1-20.assets/image-20210619104311968.png)]

  • 对于dp[i][3]
    即今天冷冻期,那么就是前一天当天一定是卖出,即dp[i][3]=dp[i - 1][2][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XgDUtrGW-1625139637048)(动态规划1-20.assets/image-20210619104429153.png)]

要时刻理解,各个状态下的含义,才不会晕头转向。整体代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        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], 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]; // 今天卖出股票
            dp[i][3] = dp[i - 1][2]; // 冷冻期,只保持 1 天
        }
        return max({dp[n - 1][1], dp[n - 1][2], dp[n - 1][3]});
    }
};

714. 买卖股票的最佳时机含手续费

在这里插入图片描述

思路:

相比于122. 买卖股票的最佳时机 II,本题多了一个手续费,那么只需要在卖出的时候支付手续费,就可以。另一个不同之处在于,本题多了手续费,也就是说有可能买入状态也可能是最大利润(当手续费高于所得时),所以返回值需要返回买入卖出两者的最大值。

122题代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        // dp[i][0] -- 第i天 持有 股票所得现金
        // dp[i][1] -- 第i天 不持有 股票所得现金
        vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
        dp[0][0] = -prices[0];
        for(int i = 1; i < prices.size(); 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[prices.size() - 1][1];
    }
};

本题整体代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        int n = prices.size();
        // dp[i][0] -- 第i天 持有 股票所得现金
        // dp[i][1] -- 第i天 不持有 股票所得现金
        vector<vector<int>> dp(n, vector<int>(2, 0));
        dp[0][0] -= 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] - fee); // 卖出多了手续费
        }
        return max(dp[n - 1][0], dp[n - 1][1]);
    }
};

参考资料:公众号代码随想录

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

Jasscical

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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