leetcode121.买卖股票的最佳时机 I
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票一次),设计一个算法来计算你所能获取的最大利润。
注意:你不能在买入股票前卖出股票。
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。
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示持有股票时所持的现金,j = 1表示不持有股票时所持的现金
假设prices数组长度为size,最终结果为:dp[size - 1] [1]
(2).根据题意导出递推关系:
dp[i] [0] = max(dp[i - 1] [0], -prices[i])
dp[i] [1] = max(dp[i - 1] [1], dp[i - 1] [0] + prices[i])
(3).确认初始条件:
dp[0] [0] = -prices[0]
dp[0] [1] = 0
2.题解
class Solution
{
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
//动态规划
int dp[size][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1;i < 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]);
}
return dp[size - 1][1];
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
假设数组prices长度为N,则空间复杂度为O(N)
优化:
1.基本思想
不断的去寻找“股票价格的历史最低值”(注意:历史最低值的含义是当天或当天以前股票价格的最低值),然后用当天的股票价格减去“股票价格的历史最低值”表示一次股票买卖,其中去寻找最大值。
2.题解
class Solution
{
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
int minPrice = prices[0];
int maxProfit = 0;
for (int i = 1;i < size;++i)
{
minPrice = min(minPrice, prices[i]);
maxProfit = max(maxProfit, prices[i] - minPrice);
}
return maxProfit;
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
空间复杂度为O(1)
leetcode123.买卖股票的最佳时机 III
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-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)。
输入: [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 。
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示啥也没干,
j = 1 表示第一次买入后持股,j = 2表示第一次卖出后不持股,
j = 3 表示第二次买入后持股,j = 4表示第二次卖出后不持股。
假设prices数组长度为size,最终结果为:dp[size - 1] [4]
(2).根据题意导出递推关系:
dp[i] [0] = dp[i - 1] [0]
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] }
dp[i] [4] = max{ dp[i - 1] [4], dp[i - 1] [3] + prices[i]}
(3).确认初始条件:
dp[0] [0] = 0
dp[0] [1] = -prices[0]
dp[0] [2] = 0
dp[0] [3] = -prices[0]
dp[0] [4] = 0
2.题解:
class Solution
{
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
int dp[size][5];
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;
for (int i = 1;i < size;++i)
{
dp[i][0] = dp[i - 1][0];
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]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
return dp[size - 1][4];
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
假设数组prices长度为N,则空间复杂度为O(N)
leetcode188.买卖股票的最佳时机 IV
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-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)。
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 。
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示啥也没干,j为奇数时表示买入后持股,j为偶数表示卖出后不持股。
假设prices数组长度为size,交易次数为k,最终结果为:dp[size - 1] [2 * k]
(2).根据题意导出递推关系:
dp[i] [0] = dp[i - 1] [0]
if (j为奇数): dp[i] [j] = max{ dp[i - 1] [j], dp[i - 1] [j - 1] - prices[i] }
if (j为偶数): dp[i] [j] = max{ dp[i - 1] [j], dp[i - 1] [j - 1] + prices[i] }
(3).确认初始条件:
dp[0] [0] = 0
if (j为奇数): dp[0] [j] = -prices[i]
if (j为偶数): dp[0] [j] = 0
2.注意点
若交易次数k大于等于prices数组长度size的一半,则问题转换为leetcode122.买卖股票的最佳时机 II,即交易次数无限制。
3.题解:
class Solution
{
public:
int maxProfit(int k, vector<int>& prices)
{
int size = prices.size();
if (k == 0 || size == 0) return 0;
if (k >= size / 2)
{
int result = 0;
for (int i = 1;i < size;++i)
{
result = result + max(0, prices[i] - prices[i - 1]);
}
}
int dp[size][2 * k + 1];
dp[0][0] = 0;
for (int j = 1;j < 2 * k + 1;++j)
{
if (j % 2 == 1)
{
dp[0][j] = -prices[0];
}
else
{
dp[0][j] = 0;
}
}
for (int i = 1;i < size;++i)
{
dp[i][0] = dp[i - 1][0];
for (int j = 1;j < 2 * k + 1;++j)
{
if (j % 2 == 1)
{
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - 1] - prices[i]);
}
else
{
dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - 1] + prices[i]);
}
}
}
return dp[size - 1][2 * k];
}
};
3.时间复杂度
假设数组prices长度为N,交易次数为K,则时间复杂度为O(NK)
4.空间复杂度
假设数组prices长度为N,交易次数为K,则空间复杂度为O(NK)
对买卖股票的最佳时机 I III IV 的总结
这三个问题是一脉相承的。从买卖1次,到买卖2次,再到买卖k次:**本质上的思想都是一样的,所用的方法都是一样。**实际上,可以将IV的思想方法作为一个模板推广到I和III 。 即:
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示啥也没干,j为奇数时表示买入后持股,j为偶数表示卖出后不持股。
假设prices数组长度为size,交易次数为k,最终结果为:dp[size - 1] [2 * k]
(2).根据题意导出递推关系:
dp[i] [0] = dp[i - 1] [0]
if (j为奇数): dp[i] [j] = max{ dp[i - 1] [j], dp[i - 1] [j - 1] - prices[i] }
if (j为偶数): dp[i] [j] = max{ dp[i - 1] [j], dp[i - 1] [j - 1] + prices[i] }
(3).确认初始条件:
dp[0] [0] = 0
dp[0] [1] = -prices[0]
leetcode122.买卖股票的最佳时机 II
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
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)。
输入: [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 。
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示持有股票时持有的现金,j = 1表示不持有股票时持有的现金
假设prices数组长度为size,最终结果为:dp[size - 1] [1]
(2).根据题意导出递推关系:
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] }
(3).确认初始条件:
dp[0] [0] = -prices[0]
dp[0] [1] = 0
2.题解:
class Solution
{
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
//动态规划
int dp[size][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1;i <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[size - 1][1];
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
假设数组prices长度为N,则空间复杂度为O(N)
贪心:
1.贪心策略
本题可以使用贪心策略,贪心就贪心在只有在股票上涨时才卖出股票。
2.题解
class Solution
{
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
//贪心
int result = 0;
for (int i = 1;i < size;++i)
{
result = result + max(0, prices[i] - prices[i - 1]);
}
return result;
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
空间复杂度为O(1)
leetcode309.买卖股票的最佳时机含冷冻期
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown/
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)。
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]
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示持有股票时持有的现金
j = 1表示不持有股票时持有的现金,且进入冷冻期,
j = 2表示不持有股票时持有的现金,且退出冷冻期。
假设prices数组长度为size,最终结果为:
max{dp[size - 1] [1], dp[size - 1] [2] }
(2).根据题意导出递推关系:
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] [2], dp[i - 1] [1]}
(3).确认初始条件:
dp[0] [0] = -prices[0]
dp[0] [1] = 0
dp[0] [2] = 0
2.题解:
class Solution {
public:
int maxProfit(vector<int>& prices)
{
int size = prices.size();
if (size == 0) return 0;
int dp[size][3];
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[0][2] = 0;
for (int i = 1;i < size;++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][2], dp[i - 1][1]);
}
return max(dp[size - 1][1], dp[size - 1][2]);
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
假设数组prices长度为N,则空间复杂度为O(N)
leetcode714.买卖股票的最佳时机含手续费
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/
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。
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.
动态规划:
1.递推关系
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示持股时持有的现金,j = 1表示不持股时持有的现金
假设prices数组长度为size,最终结果为:dp[size - 1] [1]
(2).根据题意导出递推关系:
由于该题要求每笔交易完成后需要支付手续费,故
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 }
(3).确认初始条件:
dp[0] [0] = -prices[0]
dp[0] [1] = 0
2.题解:
class Solution
{
public:
int maxProfit(vector<int>& prices, int fee)
{
int size = prices.size();
if (size == 0) return 0;
int dp[size][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1;i < 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] - fee);
}
return dp[size - 1][1];
}
};
3.时间复杂度
假设数组prices长度为N,则时间复杂度为O(N)
4.空间复杂度
假设数组prices长度为N,则空间复杂度为O(N)
对买卖股票的最佳时机 II 含冷冻期 含手续费 的总结
这三个问题也是一脉相承的,**其中II作为基础,而含冷冻期和含手续费都是在II的基础上添加一个限制条件罢了。**只要我们熟悉了作为基础的II,后两者很容易就能写出递推式,写出题解,即:
(1).明确dp[i] [j]表示什么:
dp[i] [j] 表示玩家手里所获得利润。
i表示天数。
j = 0表示买入后持股,j = 1表示卖出后不持股
假设prices数组长度为size,最终结果为:dp[size - 1] [1]
(2).根据题意导出递推关系:
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] }
(3).确认初始条件:
dp[0] [0] = -prices[0]
dp[0] [1] = 0