240504-关于买卖股票问题的几个解法
参考教学视频:买卖股票的最佳时机【基础算法精讲 21】
1 122. 买卖股票的最佳时机 II
思路:动态规划
- 状态表示:
- dp[i][1]:表示在第i天手持股票的所获利润最大值
- dp[i][0]:表示在第i天没有手持股票的所获利润最大值
- 状态划分:第i天买入、什么都不做、卖出
- 状态转移:
- dp[i][1] = max(dp[i-1][1], dp[i-1][0]-prices[i-1])
- dp[i][0] = max(dp[i-1][0], dp[i-1][1]+prices[i-1])
- 边界条件:
- 第0天手持股票为异常情况,初始化为无穷小:dp[0][1] = -inf
- 第0天没有手持股票,初始化为0:dp[0][0] = 0;
- 递归结果:
- 利润最大值:取dp[n][0]
- 时间空间复杂度:o(n) / o(k)
public class Solution {
public int MaxProfit(int[] prices) {
int n = prices.Length;
int[,] dp = new int[n + 1, 2];
dp[0, 1] = int.MinValue;
for(int i = 1; i <= n; i++)
{
dp[i,1] = Math.Max(dp[i - 1,1], dp[i - 1,0] - prices[i - 1]);
dp[i,0] = Math.Max(dp[i - 1,0], dp[i - 1,1] + prices[i - 1]);
}
return dp[n,0];
}
}
优化:空间复杂度可以降低为o(1)
public class Solution {
public int MaxProfit(int[] prices) {
int n = prices.Length;
int[] dp = new int[2];
dp[1] = int.MinValue;
for(int i = 1; i <= n; i++)
{
int t = Math.Max(dp[1], dp[0] - prices[i - 1]);
dp[0] = Math.Max(dp[0], dp[1] + prices[i - 1]);
dp[1] = t;
}
return dp[0];
}
}
2 309. 买卖股票的最佳时机含冷冻期
思路:在前面的基础上更改第1个状态转移方程即可
- 状态表示:
- dp[i][1]:表示在第i天手持股票的所获利润最大值
- dp[i][0]:表示在第i天没有手持股票的所获利润最大值
- 状态划分:第i天买入、什么都不做、卖出
- 状态转移:
- dp[i][1] = max(dp[i-1][1], dp[i-2][0]-prices[i-1])
- dp[i][0] = max(dp[i-1][0], dp[i-1][1]+prices[i-1])
- 边界条件:
- 第0天手持股票为异常情况,初始化为无穷小:dp[0][1] = -inf
- 第0天没有手持股票,初始化为0:dp[0][0] = 0;
- 递归结果:
- 利润最大值:取dp[n][0]
- 时间空间复杂度:o(n) / o(k)
public class Solution {
public int MaxProfit(int[] prices) {
int n = prices.Length;
int[,] dp = new int[n + 1, 2];
dp[0, 1] = int.MinValue;
for(int i = 1; i <= n; i++)
{
if(i < 2)
dp[i,1] = Math.Max(dp[i-1,1], 0 - prices[i-1]);
else
dp[i,1] = Math.Max(dp[i - 1,1], dp[i - 2,0] - prices[i - 1]);
dp[i,0] = Math.Max(dp[i - 1,0], dp[i - 1,1] + prices[i - 1]);
}
return dp[n,0];
}
}
补一版记忆化搜索的代码
public class Solution {
int[] prices;
int[,] f;
int n;
public int MaxProfit(int[] _prices)
{
n = _prices.Length;
f = new int[n+1, 2];
prices = _prices;
return Dp(n, 0);
}
public int Dp(int n, int m)
{
if(n <= 0) return m == 1? int.MinValue: 0;
if(f[n, m] != 0)
return f[n, m];
if(m == 1)
return f[n, m] = Math.Max(Dp(n - 1, 1), Dp(n - 2, 0) - prices[n - 1]);
return f[n, m] = Math.Max(Dp(n - 1, 0), Dp(n - 1, 1) + prices[n - 1]);
}
}
3 188. 买卖股票的最佳时机 IV
思路:动态规划
- 状态表示:
- buy[i][j]:表示在第i天手持股票且最多完成j-1比交易的所获利润最大值
- sell[i][j]:表示在第i天没有手持股票且最多完成j-1比交易的所获利润最大值
- 状态划分:第i天买入、什么都不做、卖出
- 状态转移:(只买不卖不算交易次数)
- buy[i][j] = max(buy[i-1][j], sell[i][j]-prices[i-1])
- sell[i][j] = max(sell[i-1][j], buy[i-1][j-1]+prices[i-1])
- 边界条件:
- 交易次数为-1的情况非法:buy[*][0] = sell[*][0]= -inf
- 第0天没有手持股票,初始化为0;第0天手持股票为非法:buy[0][j] = -inf, sell[0][j] = 0 (j >= 1,表示交易次数大于等于0);
- 递归结果:
- 利润最大值:取sell[n][k+1]
- 时间空间复杂度:o(n2) / o(k2)
public class Solution {
public int MaxProfit(int k, int[] prices) {
int n = prices.Length;
int[ , ] buy = new int[n + 1, k + 2];
int[ , ] sell = new int[n + 1, k + 2];
for(int i = 0; i <= n; i++)
buy[i, 0] = sell[i, 0] = int.MinValue;
for(int i = 1; i <= k + 1; i++)
buy[0, i] = int.MinValue;
for(int i = 1; i <= n; i++ )
{
for(int j = 1; j <= k + 1; j++)
{
buy[i, j] = Math.Max(buy[i - 1, j], sell[i - 1, j] - prices[i - 1]);
sell[i, j] = Math.Max(sell[i - 1, j], buy[i - 1, j - 1] + prices[i - 1]);
}
}
return sell[n,k+1];
}
}
优化:空间复杂度降低到o(k)
public class Solution {
public int MaxProfit(int k, int[] prices) {
int n = prices.Length;
int[] buy = new int[k + 2];
int[] sell = new int[k + 2];
buy[0] = sell[0] = int.MinValue;
for(int i = 1; i <= k + 1; i++)
buy[i] = int.MinValue;
for(int i = 1; i <= n; i++ )
for(int j = k + 1; j >= 1; j--)
{
sell[j] = Math.Max(sell[j], buy[j - 1] + prices[i - 1]);
buy[j] = Math.Max(buy[j], sell[j] - prices[i - 1]);
}
return sell[k+1];
}
}