最佳买卖股票时机含冷冻期
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]
由于本题加入了冷冻期这一状态,所以在未持有股票的所有情况中不能归在同一情况下,而是需要分开讨论;
1.dp数组下标及其含义:
dp[i][0];//状态0:表示第i天持有股票时的最大利润
dp[i][1];//状态1:表示在第i天卖出股票,此时的最大利润
dp[i][2];//状态2:表示第i天为冷冻期时的最大利润
dp[i][3];//状态3:表示第i天仍维持上一次卖出股票状态时的最大利润
2.递推公式:
dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));
dp[i][1] = dp[i - 1][0] + prices[i];
dp[i][2] = dp[i - 1][1];
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2]);
从地推公式容易看出,这里的状态1和状态2实际上是可以压缩的,
3.初始化
考虑状态3:表示第i天仍维持上一次卖出股票状态时的最大利润;很显然,dp[0][3]的定义就是非法的,但是为了满足递推公式;
即dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));在dp[1][0]的推导条件下, 必然需要满足dp[0][3] == 0;
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[0][2] = 0;
dp[0][3] = 0;
4.遍历顺序
从前往后
5.打印dp
(注意这里自己定义的状态和代码随想录图片的不一致,自定义的1对应上图的2,自定义的2对应上图的3,自定义的3对应上图的1)
整体代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if(len == 0) return 0;
vector<vector<int>> dp(len,vector<int>(4, 0));
dp[0][0] = -prices[0];
for(int i = 1; i < len; i++){
dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));
dp[i][1] = dp[i - 1][0] + prices[i];
dp[i][2] = dp[i - 1][1];
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2]);
}
return max(dp[len - 1][1],max(dp[len - 1][2], dp[len - 1][3]));
}
};
优化代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if(len == 0) return 0;
vector<int> dp(4, 0);
dp[0] = -prices[0];
for(int i = 1; i < len; i++){
// dp[0] = max(dp[0], max(dp[2], dp[3]) - prices[i]);
// dp[1] = dp[0] + prices[i];
// dp[2] = dp[1];
// dp[3] = max(dp[3], dp[2]);
int new_dp0 = max(dp[0], max(dp[2], dp[3]) - prices[i]);
int new_dp1 = dp[0] + prices[i];
int new_dp2 = dp[1];
int new_dp3 = max(dp[3], dp[2]);
dp[0] = new_dp0;
dp[1] = new_dp1;
dp[2] = new_dp2;
dp[3] = new_dp3;
}
return max(dp[1], max(dp[2], dp[3]));
}
};
为何需要定义出新的中间变量?如果按照注释里的写法:
- 状态转移方程不正确:
dp[0] = max(dp[0], max(dp[2], dp[3]) - prices[i]);
:这里的dp[2]
和dp[3]
在更新dp[0]
时,值还未更新。dp[1] = dp[0] + prices[i];
:这里的dp[0]
是当天更新后的值,而实际需要使用的是前一天的dp[0]
。dp[2] = dp[1];
:冷冻期的收益应该是前一天卖出股票后的最大收益,而不是当天卖出后的收益。dp[3] = max(dp[3], dp[2]);
:这里更新dp[3]
时,使用的dp[2]
是当天的值而不是前一天的值。
- 状态更新顺序有误:
- 状态
dp[2]
和dp[3]
在同一天进行更新,可能会导致相互之间的依赖关系混淆。
- 状态
买卖股票的最佳时机含手续费
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.
注意:
- 0 < prices.length <= 50000.
- 0 < prices[i] < 50000.
- 0 <= fee < 50000.
和之前的买卖股票Ⅱ是类似的,只是在递推公式上有些微小的区别:
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);
整体如下:
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int len = prices.size();
if(len == 0) return 0;
vector<vector<int>> dp(len, vector<int>(2));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < len; 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 max(dp[len - 1][0], dp[len - 1][1]);
}
};