240504-关于买卖股票问题的解法

最新推荐文章于 2024-05-31 14:19:09 发布

IGP9

最新推荐文章于 2024-05-31 14:19:09 发布

阅读量1.1k

点赞数 28

分类专栏：算法文章标签：算法

本文链接：https://blog.csdn.net/qq_44965626/article/details/138437151

版权

算法专栏收录该内容

28 篇文章 0 订阅

订阅专栏

文章介绍了使用动态规划解决买卖股票问题的几种方法，包括基本的单次交易、考虑冷冻期的情况，以及扩展到允许多次交易的情况。通过状态转移方程和边界条件计算利润最大值，同时讨论了空间复杂度的优化。

摘要由CSDN通过智能技术生成

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

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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];
    }
}