动态规划系列：5.股票问题

最新推荐文章于 2024-05-12 13:48:18 发布
最新推荐文章于 2024-05-12 13:48:18 发布
阅读量690 收藏 4
点赞数
文章标签： 动态规划 算法 c++ Powered by 金山文档
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42935076/article/details/129269605
版权

1.买卖股票的最佳时机

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

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：prices = [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。

方法一：暴力

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

超时

方法二

采用一个数组记录每天之前的最小值(dp)，然后求最大值

class Solution {
public:
	int maxProfit(vector<int>& prices) {
		//dp[i]代表prices：0到i个元素里的最小值
		vector<int> dp(prices.size());
		dp[0] = prices[0];
		for (int i = 1; i < prices.size(); i++) {
			dp[i] = min(dp[i - 1], prices[i]);
		}
		//求结果
		int result = 0;
		for (int i = 0; i < prices.size(); i++) {
			result = max(result, prices[i] - dp[i]);
		}
		return result;
	}
};

代码简化

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

方法三：代码随想录里的动态规划方法

dp(i,0)代表第i天不持有股票时的收益

dp(i,1)代表第i天持有股票时的收益

当第i天手里没有股票时存在下面两种情况：

  1. 第i-1天手里持有股票，第i天卖了，则dp(i,0)=dp(i-1,1)+prices[i]

  1. 第i-1天手里没有股票，第i天保持，则dp(i,0)=dp(i-1,0)

当第i天手里持有股票时存在以下两种情况：

  1. 第i-1天手里持有股票，则dp(i,1)=dp(i-1,1)

  1. 第i-1天手里没有股票，第i天买进，则dp(i,1)=-prices[i]

代码：

class Solution {
public:
	int maxProfit(vector<int>& prices) {
		if (prices.size() <=1) return 0;
		vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
		//dp[i][0]代表第i天不持有股票的最大收益，dp[i][1]代表第i天持有股票的最大收益
		dp[0][0] = 0;
		dp[0][1] = -prices[0];
		for (int i = 1; i < prices.size(); i++) {
			//不持有股票
			dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
			//持有股票
			dp[i][1] = max(dp[i - 1][1],  - prices[i]);
		}
		return max(dp[prices.size() - 1][0], dp[prices.size() - 1][1]);
	}
};

2.买卖股票的最佳时机II

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

示例 1：

输入：prices = [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 。
     总利润为 4 + 3 = 7 。

示例 2：

输入：prices = [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 。
     总利润为 4 。

示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

分析

与上一题的区别在于，上一题只能买一次并且只能卖一次，而本题可以任意买/麦

dp(i,0)代表第i天不持有股票时的收益

dp(i,1)代表第i天持有股票时的收益

当第i天手里没有股票时存在下面两种情况：

  1. 第i-1天手里持有股票，第i天卖了，则dp(i,0)=dp(i-1,1)+prices[i]

  1. 第i-1天手里没有股票，第i天保持，则dp(i,0)=dp(i-1,0)

当第i天手里持有股票时存在以下两种情况：

  1. 第i-1天手里持有股票，则dp(i,1)=dp(i-1,1)

  1. 第i-1天手里没有股票，第i天买进，则dp(i,1)=dp(i-1,0)-prices[i]

class Solution {
public:
	int maxProfit(vector<int>& prices) {
		if (prices.size() <=1) return 0;
		vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
		//dp[i][0]代表第i天不持有股票的最大收益，dp[i][1]代表第i天持有股票的最大收益
		dp[0][0] = 0;
		dp[0][1] = -prices[0];
		for (int i = 1; i < prices.size(); i++) {
			//不持有股票
			dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
			//持有股票
			dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
		}
		return max(dp[prices.size() - 1][0], dp[prices.size() - 1][1]);
	}
};

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：prices = [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：prices = [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：prices = [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。

示例 4：

输入：prices = [1]
输出：0

分析

股票1，限制交易一次，股票2不限制交易次数，本题股票3限制交易两次

每天有四个状态：

第一次持有股票，用0表示

第一次不持有股票，用1表示

第二次持有股票，用2表示

第二次不持有股票，用3表示

第i天第一次持有股票：

dp(i,0)=max{dp(i-1,0), dp(i-1,1)-price[i]}

第i天第一次不持有股票：

dp(i,1)=max{dp(i-1,1), dp(i-1,0)+price[i]}

第i天第二次持有：

dp(i,2)=max{dp(i-1,2), dp(i-1,1)-price[i]}

第i天第二次不持有：

dp(i,3)=max{dp(i-1,3), dp(i-1,2)+prices[i]}

class Solution {
public:
	int maxProfit(vector<int>& prices) {
		if (prices.size() <= 1) return 0;
		vector<vector<int>> dp(prices.size(), vector<int>(4, 0));
		//0,1,2,3分别表示第i天：第一次持有，第一次不持有，第二次持有，第二次不持有
		dp[0][0] = -prices[0];
		dp[0][2] = -prices[0];
		for (int i = 1; i < prices.size(); i++) {
			dp[i][0] = max(dp[i - 1][0], -prices[i]);
			dp[i][1] = max( dp[i - 1][1],dp[i - 1][0] + prices[i] );
			dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] - prices[i]);
			dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] + prices[i]);
		}
		return max({ dp[prices.size() - 1][0],dp[prices.size() - 1][1],dp[prices.size() - 1][2],dp[prices.size() - 1][3] });
	}
};

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 。

分析

受不了了，前面股票3两次交易设计了4个状态，这题直接2k个状态

股票1是求一次交易能够获得的最大利润

股票2是求任意次交易获得的最大利润

股票3是求两次交易能获得的最大利润

股票4是求指定交易次数下能获得的最大利润

class Solution {
public:
	int maxProfit(int k, vector<int>& prices) {
		if (prices.size() <= 1) return 0;
		vector<vector<int>> dp(prices.size(), vector<int>(2 * k+1, 0));
		//0第一次不持有。1第一次持有，2第二次不持有，，，，奇数持有
		for (int i = 0; i < 2 * k; i++) {
			if ((i+1)% 2 == 0) dp[0][i] = -prices[0];
		}
		for (int i = 0; i < prices.size(); i++) dp[i][0] = 0;
		for (int j = 1; j < prices.size(); j++) {
			for (int state = 1; state <= 2 * k; state++) {
				if (state % 2 == 0) dp[j][state] = max(dp[j - 1][state], dp[j - 1][state - 1] + prices[j]);
				else dp[j][state] = max(dp[j - 1][state], dp[j - 1][state - 1] - prices[j]);
			}
		}
		return dp[prices.size() - 1][2*k];
	}
};

5.最佳买卖股票时机含冷冻期

给定一个整数数组prices，其中第 prices[i] 表示第 *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）:

  • 卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。

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: prices = [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]

示例 2:

输入: prices = [1]
输出: 0

分析

这题和前面的股票2：不限制交易次数，相似，区别在于此题规定了卖出的第二天不能买入股票

dp(i,0)表示第i天不持有股票，dp(i,1)表示第i天持有股票

如果第i天不持有股票，则： dp(i,0)=max{dp(i-1,0), dp(i-1,1)+prices[i]}

如果第i天持有股票，则： (与股票2的区别在这里)

  1. 如果第i-1天持有，dp(i,1)=dp(i-1,1)

  1. 如果第i-1天不持有:

(1). 如果第i-2天不持有，dp(i,1)=dp(i-2, 0)-prices[i]

(2).如果第i-2天持有，因为冷冻期的存在第i天不可能持有 

class Solution {
public:
	int maxProfit(vector<int>& prices) {
		if (prices.size() <= 1) return 0;
		//dp(i,0)表示第i天不持有股票，dp(i,1)表示第i天持有股票
		vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
		dp[0][0] = 0;
		dp[0][1] = -prices[0];
		dp[1][0]= max(dp[0][0], dp[0][1] + prices[1]);
		dp[1][1] = max(dp[0][1], dp[0][0] - prices[1]);
		for (int i = 2; 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 - 2][0] - prices[i]);
		}
		return dp[prices.size() - 1][0];
	}
};

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 prices[i]表示第 i 天的股票价格 ；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

示例 2：

输入：prices = [1,3,7,5,10,3], fee = 3
输出：6

分析

这题是股票2无限制交易次数的扩展，在股票2的基础上加入了手续费，一笔交易只需要支付手续费，我们预设在卖出股票时支付手续费

依然，dp(i,0)表示第i天不持有股票时所得最多现金，dp(i,1)表示第i天持有股票所能获得的最多现金

当第i天不持有股票时，

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

当第i天持有股票时

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

代码

class Solution {
public:
	int maxProfit(vector<int>& prices, int fee) {
		if (prices.size() <= 1) return 0;
		vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
		//0代表不持有，1代表持有
		dp[0][0] = 0;
		dp[0][1] = -prices[0];
		for (int i = 1; i < prices.size(); i++) {
			dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);
			dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
		}
		return dp[prices.size() - 1][0];
	}
};

deeplearning小学生
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【刷题总结】动态规划求解股票系列问题
来碗烧骨粥的博客
04-27 268
状态 dp[i][j] 定义如下：dp[i][j] 表示到下标为 i 的这一天，持股状态为 j 时，我们手上拥有的最大现金数。限定持股状态为 j 是为了方便推导状态转移方程，这样的做法满足 无后效性。第一维 i 表示下标为 i 的那一天（ 具有前缀性质，即考虑了之前天数的交易 ）；第二维 j 表示下标为 i 的那一天是持有股票，还是持有现金。这里 0 表示持有现金（cash），1 表示持有股票（stock）。
动态规划——买卖股票的最佳时机3
m0_60867520的博客
07-18 202
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）。
动态规划----股票买卖问题（详解）
最新发布
2302_79862386的博客
05-12 2044
动态规划买卖股票的最佳时机是一个经典的算法问题。该问题的目标是在给定的股票价格数组中，找到最大的利润，即最佳的买入和卖出时间，使得买入时间早于卖出时间。
LeetCode：121.买卖股票的最佳时机——动态规划
Super algorithm 的博客，技术爱好者。
03-29 2586
121. 买卖股票的最佳时机(1、2)——动态规划、贪心策略 给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择**某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票**。设计一个算法来计算你所能获取的最大利润。 返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。 🍎道阻且长，行则将至。🍓！！！
动态规划之买卖股票的最佳时机
weixin_47460244的博客
06-20 270
5.最后返回dp[prices.length - 1][1], dp[prices.length - 1][2], dp[prices.length - 1][3]中的最大值。dp[i][1]表示第i天不持有（有可能是第i天卖出，也有可能是第i天之前就已经卖出了）所能获取的最大金额。dp[i][1] + prices[i]:表示第i天才没有持有股票。由于可以多次买卖，所以第i天买入股票时的本金不再是0了，而是dp[i - 1][1]。dp[0][0]: -prices[0] (因为最开始就只有0元)
leetcode每日一题·买卖股票问题(Python)
zjlwdqca的博客
05-04 1868
leetcode每日一题·买卖股票问题(Python) 买卖股票的最佳时机(股票最大利润) 题目链接 给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。 返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。 暴力法 直接遍历两次，记录最大利润 class Solution: def maxProfit(s
动态规划30道经典问题图解解析(bigsai本人原创)
03-07
1、了解什么是动态规划 2、斐波那契、爬楼梯、跳台阶等入门动态规划思想详细讲解 3、LCS、LIS等经典动态规划问题详解 4、打家劫舍系列问题分析 5、买卖股票最佳时间问题分析
大类资产配置系列：从未来到现在，动态资产配置策略框架介绍-0516-浙商证券-30页.pdf
07-24
本文主要介绍了大类资产配置系列中的动态资产配置策略框架，从未来到现在，讨论了基于 Brandt、Goyal、Santa Clara 和 Stroud 模拟方法的最优动态策略，旨在实现多资产的动态规划和过程控制。该方法以资产收益模拟...
财务管理第5章 财务控制.pptx
09-21
在“财务管理第5章 财务控制.pptx”中，主要探讨了财务治理、财务预算、财务激励和财务评价四个关键领域。 首先，财务治理是公司治理的核心，关注的是如何在所有权和经营权分离的情况下，通过合理的制度安排来激励...
XXXX预测-第5讲(时间序列分析)-1.pptx
09-25
时间序列分析是一种统计方法，用于研究随时间变化的数据序列，以揭示潜在的...通过深入理解和应用这些方法，可以有效地预测财务指标、市场需求、股票价格等动态变化，为企业的战略规划和运营管理提供有力的数据支持。
1电子商务认知与体验.pptx
09-22
【电子商务认知与体验】 ...此外，关注电子商务行业的动态，理解不同行业和企业对电子商务人才的需求，以及助理电子商务师的考核认证标准，有助于他们规划职业发展路径，更好地适应这个日新月异的领域。
动态规划学习-买卖股票
m0_58228798的博客
05-08 137
一. 题目描述： 动态规划分析： 代码： class Solution { public: int maxProfit(vector<int>& prices) { int n=prices.size(); vector<vector<int> > dp(n,vector<int>(2,0)); dp[0][1]=-prices[0]; for(int i=1;
股票的最大利润（动态规划）
CCC_B的博客
02-24 199
描述： 假设将股票的价格按照时间先后顺序储存在数组中，亲吻一次买卖可以获得最大利润是多少。 买卖肯定是先买后卖，而只有当卖出去的价格高于买入价时，才可以获得利润，因此，题目实质就是找一对增长的数，使他们之间的差最大。 动态规划分析 状态定义：dp[i]表示以s[i] 为结尾的最大利润。 初始状态: d[0]=0 转移方程:dp[i]=max{dp[i-1], s[i]-min(s[0：i])} 返回值;dp[n-1] class Solution { public: int maxProfit(v
动态规划|121. 买卖股票的最佳时机
weixin_48118167的博客
01-13 667
由于标签中说这道题可以用动态规划去做，那么根据动态规划题目的规律，最后的答案肯定是dp[i]之类的，这个i大概率是天数，也就是维护第i天的最大盈利。上面讲到了，对于i天，只有两种状态——持有股票或者不持有，因此将dp[i]扩展一下，扩展成dp[i]{0,1}，dp[i][0]代表第i天不持有股票时的最大收益，dp[i][1]代表第i天持有股票时的最大收益。由于我不是计算机或者数学的天纵奇才或者大罗神仙，没法凭空想出一些绚丽的转移方程，然后一步优化到位，因此我只能通过简单的做法一步一步蚕食这道题目。
【动态规划】股票买卖问题
一只禾的博客
02-12 709
只允许买卖一次：121. 买卖股票的最佳时机 - 力扣（LeetCode） (leetcode-cn.com) 允许买卖两次：123. 买卖股票的最佳时机 III - 力扣（LeetCode） (leetcode-cn.com) 允许买卖K次：188. 买卖股票的最佳时机 IV - 力扣（LeetCode） (leetcode-cn.com) 允许买卖多次，不限：122. 买卖股票的最佳时机 II - 力扣（LeetCode） (leetcode-cn.com) 考虑买卖含有手续费：714. 买卖股
算法——买卖股票（动态规划）
weixin_44032824的博客
12-28 3636
买卖股票 准备总结一下做过的几道买卖股票的题目，还有几道还没来得及做，先把做过的做一个总结，以便日后忘了，留作复习使用。 题目难度又简到难。（一些题目直接参考的是官方题解）。有很多地方理解不到位或者是表述不清，但是还是先做个笔记，方便理解吧。 题目一 买卖股票的最佳时机 题目描述 解题思路 最大收益就是需要在较低的价格买入，较高的价格卖出。遍历数组，找到当前天数i之前的股票价格的最小值min，如果存在，则当前日期的收益为prices[i] - min;如果找不到，说明当前日期的股票价格是目前遍历过的数组元
【算法】动态规划算法—买卖股票的最佳时机系列(1-4)
热门推荐
探索世界，改变世界
01-02 1万+
买卖股票的最佳时机—1：题目：假设有一个数组，它的第i个元素是一支给定的股票在第i天的价格。如果你最多只允许完成一次交易,设计一个算法来找出最大利润。解法：该题解法和最大连续子数组和的解法思路是一样的。1、根据股票的利益意义，想要更多利益则值低时买进，值高时卖出。根据提供的股票价格不方便得出股票价格变化，对原数据进行计算：list[i] - list[i-1] = 股票的变化。变化为正时股票增长（
[LeetCode]动态规划中股票问题的通用解法
Math & Code
09-14 1940
动态规划中股票问题的通用解法 有一类动态规划的问题是给定一个股票价格序列，然后计算买卖股票所能获得的最大收益，这类问题通常有很多变种，例如只允许交易一次，允许交易多次或者增收交易税等。即问题的最大收益通常由交易的时间和允许的最大交易次数（每次交易指一次买与一次卖的一个组合）决定的。 可以用T[i][k]表示在第i天结束的时候最多经过k次交易所能获得的最大收益，另外在第i天结束的时候可以有两种状...
名词解释：1.软件工程：2.软件过程： 3.配置管理： 4.缺陷密度： 5.基线：6.风险管理： 7.挣值分析 ：8.白盒测试：
04-27
2. 软件过程：是指在软件开发过程中，按照一定的规范和标准，通过一系列的活动和任务来实现软件开发的过程。 3. 配置管理：是一种管理软件开发过程中的变更的方法，它包括对软件文档、代码、数据等进行版本控制、...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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