day53 买卖股票最佳时机

题目1：121 买卖股票的最佳时机

题目链接：121 买卖股票的最佳时机

题意

价格数组prices中 第i个元素prices[i]表示一支股票第i天的价格

只能选择某一天买入这支股票，在未来的日子卖出该股票，计算能收获的最大利润，若不能获取任何利润，则返回0  注意股票只能买卖一次

动态规划

动规五部曲

1）dp数组及下标i的含义

dp[i][j] 表示第i天持有/不持有这支股票  只有2个状态  dp[i][0]   dp[i][1]

dp[i][0] 表示持有股票获取的最大现金     dp[i][1] 表示不持有这支股票获取的最大现金

注意是持有，不是买入，持有是一个状态（包括买入）

最终求解dp[princes.size()-1][0] dp[prices.size()-1][1]的最大值

2）dp数组初始化

根据递推公式 依靠前一个状态推导后面的状态

dp[0][0]  第0天持有这支股票的最大现金数  dp[0][0] = -prices[0]

dp[0][1] 第0天不持有这支股票的最大现金数   dp[0][1] = 0

3）递推公式

在第i天持有股票收获的最大现金数可以由两种情况得到

1） 保持着之前持有股票的状态             2）在当天买入股票,因为是第1次买入股票，是0-prices[i]

dp[i][0] = max(dp[i-1][0]，-prices[i])

在第i天不持有股票收获的最大现金数也同样由两种情况得到

1）保持着之前不持有股票的状态           2）在当天卖出股票

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

4）遍历顺序

根据递推公式，后面状态依赖于前面的状态，从前向后遍历

5）打印dp数组

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //定义dp数组
        vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
        //dp数组初始化
        //第0天持有股票
        dp[0][0] = -prices[0];
        //第0天不持有股票
        dp[0][1] = 0;
        //遍历顺序
        for(int i=1;i<prices.size();i++){
            //第i天持有股票
            dp[i][0] = max(dp[i-1][0], -prices[i]);
            //第i天不持有股票
            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]);
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(n)

题目2：122 买卖股票最佳时机Ⅱ

题目链接：122 买卖股票最佳时机Ⅱ

题意

整数数组prices中的元素prices[i]表示某支股票第i天的价格，在每一天可以决定是否购买和出售股票，在任何时候只能持有1股股票，可以在当天买当天卖，返回获得的最大利润

注意：可以多次买入卖出

动态规划

动规五部曲

1）dp数组及下标i的含义

dp[i][j] 表示第i天持有/不持有股票的最大利润   有两个状态dp[i][0]   dp[i][1]

dp[i][0]  表示第i天持有股票的最大利润

dp[i][1]  表示第i天不持有股票的最大利润

2）dp数组初始化

根据递推公式

dp[0][1] = 0

dp[0][0] = 0 - prices[0] = -prices[0]

3）递推公式

在第i天持有股票收获的最大现金数可以由两种情况得到

1） 保持着之前持有股票的状态             2）在当天买入股票   注意当前只能持有只有一支股票，所以再次购买前要出售掉之前的股票（这就涉及了不持有股票的状态），所以导致这次买入股票动作之前就可能有现金了    所以是dp[i-1][1]-prices[i]

第i天持有股票的最大利润   dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i])   

在第i天不持有股票收获的最大现金数也同样由两种情况得到

1）保持着之前不持有股票的状态           2）在当天卖出股票

第i天不持有股票的最大利润  dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i])

4）遍历顺序

根据递推公式，后面状态依赖于之前的状态，从前向后遍历

5）打印dp数组

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //定义dp数组
        vector<vector<int>> dp(prices.size(), vector<int>(2,0));
        //dp数组初始化
        //第0天持有股票
        dp[0][0] = -prices[0];
        //第0天不持有股票
        dp[0][1] = 0;
        //遍历顺序
        for(int i=1;i<prices.size();i++){
            //第i天持有股票
            dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i]);
            //第i天不持有股票
            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]);
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(n)

题目3：123 买卖股票最佳时机Ⅲ

题目链接：123 买卖股票最佳时机Ⅲ

题意

prices数组中的元素prices[i]是一支给定的股票在第i天的价格，最多可以交易两次，计算所能获取的最大利润，注意：在再次购买前出售要出售之前的股票

动态规划

动规五部曲

1）dp数组及下标i的含义

dp[i][1]     第i天第1次持有

dp[i][2]     第i天第1次不持有

dp[i][3]     第i天第2次持有

dp[i][4]     第i天第2次不持有

2）dp数组初始化

dp[0][1] = -prices[0]  在第一天买

dp[0][2] = 0   在第一天卖，同一天买卖

dp[0][3] = -prices[0]     第一天又买入了

dp[0][4] = 0      第一天又卖出了

3）递推公式

1   第一次持有股票的状态  

保持之前持有股票的状态      第一次买入股票

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

2  第一次不持有股票的状态

保持之前不持有股票的状态     第一次卖出股票（是在第一次持有股票的状态下）

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

3  第二次持有股票的状态

保持之前持有股票的状态        第二次买入股票（是在第一次不持有股票的状态下）

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

4  第二次不持有股票的状态

保持之前不持有股票的状态     第二次卖出股票（是在第二次持有股票的状态下）

dp[i][4] = max(dp[i-1][4], dp[i-1][3]+prices[i])

4）遍历顺序

根据递推公式  从前向后遍历

5）打印dp数组

卖出收获的现金肯定是多于买入的

max(dp[prices.size()-1][2], dp[prices.size()-1][4])

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //定义dp数组
        vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
        //初始化dp数组
        //第一次持有股票
        dp[0][1] = -prices[0];
        //第一次不持有股票
        dp[0][2] = 0;
        //第二次持有股票  再一次在第一天买入股票
        dp[0][3] = -prices[0];
        //第二次不持有股票
        dp[0][4] = 0;
        //遍历顺序
        for(int i=1;i<prices.size();i++){
            //第1次持有股票
            dp[i][1] = max(dp[i-1][1], -prices[i]);
            //第1次不持有股票
            dp[i][2] = max(dp[i-1][2], dp[i-1][1]+prices[i]);
            //第2次持有股票
            dp[i][3] = max(dp[i-1][3], dp[i-1][2]-prices[i]);
            //第2次不持有股票
            dp[i][4] = max(dp[i-1][4], dp[i-1][3]+prices[i]);
        }
        return max(dp[prices.size()-1][2], dp[prices.size()-1][4]);
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(n × 5)

题目4：124 买卖股票最佳时机Ⅳ

题目链接：124 买卖股票的最佳时机Ⅳ

题意

整数数组prices中的元素pricces[i]表示给定的一支股票在第i天的价格  最多可以完成k笔交易  不能同时参与多笔交易

动态规划

动规五部曲

1）dp数组及下标i的含义

dp[i][j]  第i天某次持有/不持有股票的最大现金数

2）dp数组初始化

第i天奇数次持有股票的最大现金数（需要初始化）   第i天偶数次不持有股票最大现金数为0

for(int j=1;j<2*k;j+=2){

       dp[0][j]= -prices[0];  //初始化奇数次持有股票的最大现金数

}

3）递推公式

第i天第1次持有状态   dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j]-prices[i])

第i天第1次不持有的状态  dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1]+prices[i])

4）遍历顺序

for(int i=1;i<prices.size();i++){

   for(int j=0;j<2*k;j+=2){//j每次跳跃两个，才是下一次持有/不持有的状态

        dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j]-prices[i]);//持有股票

        dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1]+prices[i]); //不持有股票

}

}

5）打印dp数组

代码

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        //定义dp数组
        vector<vector<int>> dp(prices.size(), vector<int>(2*k+1, 0));
        //初始化dp数组 第0天第1,2,3,...,k次持有股票的最大金币数  奇数次才持有股票
        for(int j=1;j<2*k;j+=2){
            dp[0][j] = -prices[0];
        }
        //遍历顺序
        for(int i=1;i<prices.size();i++){
            for(int j=0;j<2*k;j+=2){
                //第i天第1,2,3,...,k次持有股票
                dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j]-prices[i]);
                //第i天第1,2,3,...,k次不持有股票
                dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1]+prices[i]);
            }
        }
        return dp[prices.size()-1][2*k];//不持有股票
    }
};

• 时间复杂度: O(n * k)，其中 n 为 prices.size()
• 空间复杂度: O(n * k)