Leetcode--最佳股票买卖时机

最佳股票买卖时机含冷冻期

题目描述：

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1：

刚拿到这个题的时候我知道这题肯定要用到动态规划来做，我刚开始想到的是用dp[i]，dp[i]表示前i天的最大利润，然后我发现题目中的冷冻期导致这个题的状态条件不止i，这题应该要用到二维数组.
dp数组的定义
dp[i][j],dp[i][j]表示的是第i天结束后(一定要是第i天结束后的状态，如果定义成第i天的状态，第)的最大利润以及状态,i表示第i天,j表示的是该天的交易状态：0表示持有股票，1表示未持有股票并不可以购买股票(冷冻期)，2表示未持有股票且可以购买股票。
状态转移方程
dp[i][0] = max(dp[i-1][0],dp[i-1][2] - prices[i])
dp[i][1] = dp[i-1][0] + prices[i]
dp[i][2] = max(dp[i-1][1],dp[i-1][2])
初始化临界值
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;

代码：

 int maxProfit(vector<int>& prices) 
    {
        int n = prices.size();
        if(n== 0) return 0;
        vector<vector<int>> dp(n);//dp[i]表示第i天结束后的收益情况
        for(int i=0;i<n;i++)
        {
            dp[i].resize(3);
        }

        dp[0][0] = -prices[0];
        dp[0][1] = 0;
        dp[0][2] = 0;

        for(int i = 1 ;i < n;i++)
        {
            dp[i][0] = max(dp[i-1][0],dp[i-1][2]-prices[i]);
            dp[i][1] = dp[i-1][0]+prices[i];
            dp[i][2] = max(dp[i-1][1],dp[i-1][2]);
        }

        return max(dp[n-1][1],dp[n-1][2]);
    }

空间复杂度O(3n)，时间复杂度O(n)

分析2：

此时我们发现dp[i][j]的取值只与dp[i-1][j]有关，所以我们在处理dp[i][j]的时候就不用存储dp[i-2][j],dp[i-3][j]的数据，我们只需要存储dp[i-1][j]的数据，所以我们可以在空间上对其进行迭代优化！

代码优化：

int maxProfit(vector<int>& prices)
 {
        if (prices.empty()) 
        {
            return 0;
        }

        int n = prices.size();
        int f0 = -prices[0];
        int f1 = 0;
        int f2 = 0;
        for (int i = 1; i < n; ++i) 
        {
            int newf0 = max(f0, f2 - prices[i]);
            int newf1 = f0 + prices[i];
            int newf2 = max(f1, f2);
            f0 = newf0;
            f1 = newf1;
            f2 = newf2;
        }
        return max(f1, f2);
    }

空间复杂度O(n),时间复杂度O(n)

最佳股票买卖时机含有手续费

题目描述：

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.

分析1：

此题相较于含有冷冻期的最大利润简单一些，我们只需要记录每一天结束后的2个状态，0表示持有股票1表示未持有股票，同样用动态规划的dp[i][j]；
dp数组的定义
dp[i][j]，表示第i天结束后的j状态下的最大利润，j可取值为0、1，
j=0表示持有股票，j=1表示未持有股票。
状态转移方程
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])
初始化临界值
dp[0][0] = -prices[0]-fee
dp[0][0] = 0;

代码：

 int maxProfit(vector<int>& prices, int fee) 
    {
        int n = prices.size();
        if(n == 0) return 0;
        vector<vector<int>> dp(n);
        for(int i=0;i<n;i++)
        {
            dp[i].resize(2);
        }

        dp[0][0] = -prices[i]-fee;//持有
        dp[0][1] = 0;//未持有

        for(int i=1;i<n;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[n-1][1];
    }

分析2：

此题与含冷冻期的最大利润一样，都可以用迭代法进行空间上的优化，在这里就不再给出代码！

注意事项：

在做具有状态机的动态数组的相关练习题的时候，先要把每一个状态都穷举出来，例如第一个题中一共有三种状态，1.持有股票2.未持有股票并无法购买3.未持有股票并可以购买，再分析每一种状态的数据如何从前一个dp[i]的各个状态中获取。