当动态规划遇见股票

👦👦一个帅气的boy，你可以叫我loVe
🖱 ⌨个人主页：l。Ve的个人主页
💖💖如果对你有帮助的话希望三连💨💨支持一下博主

---

1、买卖股票

✍✍买卖股票的最佳时机 II
       给定一个数组 prices ，其中 prices[i] 表示股票第 i 天的价格。在每一天，你可能会决定购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以购买它，然后在 同一天 出售。返回你能获得的 最大 利润 。
输入: prices = [7,1,5,3,6,4]
输出: 7

       从最多只能持有一股股票，我们可以把七天拆分成相邻两天计算，只有有利润的情况才会计算入利润中，由此计算出最大利润，瞬间一道中等难度的动态规划就解决了。

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        m,tmp,profits = prices[0],0,0

        for i in range(1,len(prices)):
            tmp = prices[i] - m
            m = prices[i]
            if tmp > 0: profits += tmp
        return profits
m = Solution.maxProfit([7,1,5,3,6,4])
print(m)
#7

2、又来买卖股票咯

✍✍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)。
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]

最近遇见的股票问题越来越真实了，冷冻期都加上了，不过一想起我的葛兰姐姐我就心疼，又是绿油油的一天😥

动态方程组：

dp	公式
dp[i][0]	max(dp[i-1][0], dp[i-1][2]-prices[i])
dp[i][1]	max{dp[i−1][1],dp[i−1][0]−prices[i]}
dp[i][2]	dp[i−1][1]+prices[i]

dp[i][0] ->第 i 天结束时，手上 没有 股票时的最大利润。 dp[i][1] ->第 i 天结束时，手上 持有 股票时的最大利润。 dp[i][2] ->第 i 天结束时，手上 没有 股票单进入冷却期时的最大利润。(初始值用较大的负值计算)

---

嚯，这题光明白这三句话鬼知道我用了多久，只能自己画图悟啊。用小学语文只是总结起来就是一句话：三种状态首尾呼应，开门见山，充分反映出人物内心的情感（giao）==>来自于高中语文96分的学渣😅😅

---

代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        if n<=1:
            return 0
        dp = [[0,0,0] for _ in range(n)]
        dp[0][0] = 0
        dp[0][1] = -prices[0]
        dp[0][2] = -1e10    #初始情况下给他一个较大的负值
        for i in range(1, n):
            dp[i][0] = max(dp[i-1][0], dp[i-1][2])
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
            dp[i][2] = dp[i-1][1] + prices[i]
        return max(dp[n-1][0], dp[n-1][2])
m = Solution.maxProfit([1,2,3,0,2])
print(m)
#3

期中总结：最后一题算是这几天来最让我不明白的一道题了，明明就加了一个冷冻期，却总转不过弯来，看来还有很长的路要走啊。