1. 买卖股票的最佳时机(限定交易次数1次)
1.1题目描述
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择某一天买入这只股票,并选择在未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例 1:
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。
示例 2:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
1.2题目分析
思路1:一次遍历方法。遍历一遍数组,计算每次截至当天的最小股票价格和最大利润。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int maxprofit = 0, minpiece = 1e5, n = prices.size(); //price最大为1e4
for(int i = 0; i < n; ++i) {
if(minpiece > prices[i]) {
minpiece = prices[i];
}
// minpiee = min(prices[i], minpiece);
maxprofit = max(maxprofit, prices[i] - minpiece);
}
return maxprofit;
}
};
思路2:动态规划。
动态规划的思路:
明确 dp(i) 应该表示什么(二维情况:dp(i)(j);
根据 dp(i) 和 dp(i-1)的关系得出状态转移方程;
确定初始条件,如 dp(0).
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size(), minpiece = prices[0];
vector<int> dp(n);
for(int i = 1; i < n; ++i) {
dp[i] = max(dp[i-1], prices[i] - minpiece);
if(prices[i] < minpiece) {
minpiece = prices[i];
}
}
return dp[n - 1];
}
};
2.买卖股票的最佳时机 II(交易次数无数次)
2.1题目描述
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候最多只能持有一股股票。你也可以先购买,然后在 同一天 出售。返回你能获得的最大利润 。
示例 1:
输入:prices = [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 。
总利润为 4 + 3 = 7 。
2.2题目分析
贪心算法。我们可以在第 X~i~ 天买入一支便宜的股票,然后在天将其在 X~j~ 以高价卖出,从而赚取其中的差价,然后又开始新的循环。所以本题等效于求n个不相交集 (Li, Lj](因为任何一个时间点只能拥有一支股票),使得$sum(Li, Lj)$ 最大。$prices(L_j) - prices(L_i) = prices(L_{i+1}) - prices({L_i}) + ... + prices({L_j}) - prices({L_{j-1}})$ ,所以我们可以将时间间隔缩短为一天,便于程序的编写。
/**
* @name:
* @msg: 贪心算法
* @return {最大收益}
*/
int maxProfit(vector<int>& prices){
int profit = 0;
for(int i = 1; i < prices.size(); ++i){
profit += max(0, prices[i] - prices[i-1]);
}
return profit;
}
/*时间复杂度:O(n),空间复杂度:O(1)*/
动态规划。设$dp[i][0]$ 表示第i天没有股票时的最大收益,$dp[i][1]$ 表示第i天手上持有股票的最大收益.对于$dp[i][0]$ 而言,它的最大收益可能来自前一天也没有股票时的最大收益$dp[i-1][0]$ ,也可能是前一天有股票,第i天将其卖掉获得的最大收益. 所以 $dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])$ 。同理$dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])$初始条件:$dp[0][0] = 0, dp[0][1] = -prices[0]$
/**
* @name:
* @msg: 动态规划
* @return {*}
*/
int maxProfit2(vector<int>& prices){
int n = prices.size();
int dp[n][2]; //dp[i][0]手上没有股票的最大收益,dp[i][1]手上有股票的最大收益
dp[0][0] = 0, dp[0][1] = -prices[0];
for(int i = 1; i < n; ++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[n-1][0];
}
/*
时间复杂度:O(n)
空间复杂度:O(n)
*/
动态规划优化(数组滚动)。观察上述算法,发现$dp[i][x]$ 仅与$dp[i-1][x]$ 有关,与前面的无关,所以可以使用滚动法对空间复杂度进行优化
int maxProfit3(vector<int>& prices){
int n = prices.size();
int dp0 = 0, dp1 = -prices[0];
for(int i = 1; i < n; ++i){
int newDp0 = max(dp0, dp1 + prices[i]);
int newDp1 = max(dp1, dp0 - prices[i]);
dp0 = newDp0;
dp1 = newDp1;
}
return dp0;
}
/*
时间复杂度:O(n)
空间复杂度:O(1)
*/
3.买卖股票的最佳时机 III(限定交易次数2次)
3.1题目描述
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)。
示例 1:
输入:prices = [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 。
示例 2:
输入:prices = [1,2,3,4,5]
输出:4
解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
示例 3:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这个情况下, 没有交易完成, 所以最大利润为 0。
示例 4:
输入:prices = [1]
输出:0
3.2题目分析
[限制条件]:先买入才能卖出;不能同时参加多笔交易,再次买入时,需要先卖出;k >= 0才能进行交易,否则没有交易次数
[定义操作]:买入;卖出;不操作
[定义状态]:
i: 天数
k: 交易次数,每次交易包含买入和卖出,这里我们只在买入的时候需要将 k - 1
0: 不持有股票
1: 持有股票
[举例分析]:
dp[i][k][0]//第i天 还可以交易k次 手中没有股票
dp[i][k][1]//第i天 还可以交易k次 手中有股票
【最终的最大收益是dp[n - 1][k][0]而不是dp[n - 1][k][1],因为最后一天卖出肯定比持有收益更高】
[状态转移方程]:
// 今天没有持有股票,分为两种情况
// 1. dp[i - 1][k][0],昨天没有持有,今天不操作。
// 2. dp[i - 1][k][1] + prices[i] 昨天持有,今天卖出,今天手中就没有股票了。
dp[i][k][0] = Math.max(dp[i - 1][k][0], dp[i - 1][k][1] + prices[i])
// 今天持有股票,分为两种情况:
// 1.dp[i - 1][k][1] 昨天持有,今天不操作
// 2.dp[i - 1][k - 1][0] - prices[i] 昨天没有持有,今天买入。
dp[i][k][1] = Math.max(dp[i - 1][k][1], dp[i - 1][k - 1][0] - prices[i])
//最大利润就是这俩种情况的最大值
动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp[n][2][2];
dp[0][0][0] = 0, dp[0][0][1] = -prices[0];
dp[0][1][0] = 0, dp[0][1][1] = -prices[0];
for(int i = 1; i < n; ++i) {
dp[i][0][1] = max(dp[i-1][0][1], -prices[i]);
dp[i][0][0] = max(dp[i-1][0][0], dp[i][0][1] + prices[i]);
dp[i][1][1] = max(dp[i-1][1][1], dp[i][0][0] - prices[i]);
dp[i][1][0] = max(dp[i-1][1][0], dp[i][1][1] + prices[i]);
}
return dp[n-1][1][0];
}
};
/*
时间复杂度:O(n)
空间复杂度:O(n)
*/
推出一般规律
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp[n][3][2];
memset(dp, 0, sizeof(dp));
for(int j = 0; j < 3; j++) {
dp[0][j][0] = 0, dp[0][j][1] = -prices[0];
}
for(int i = 1; i < n; ++i) {
for(int j = 1; j <= 2; ++j) {
dp[i][j][1] = max(dp[i-1][j][1], dp[i][j-1][0]- prices[i]);
dp[i][j][0] = max(dp[i-1][j][0], dp[i][j][1] + prices[i]);
}
}
return dp[n-1][2][0];
}
};
/*
时间复杂度:O(n)
空间复杂度:O(n)
*/
滚动数组优化动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
/*定义初值*/
int sell1 = 0, buy1 = -prices[0]; //第一次交易
int sell2 = 0, buy2 = -prices[0]; //第二次交易
/*动态规划求解*/
/*顺序:先买股票,然后买掉,再买股票,再次卖掉*/
for(int i = 1; i < n; ++i) {
/*先买股票--buy1*/
buy1 = max(buy1, -prices[i]);
/*卖掉股票*/
sell1 = max(sell1, buy1 + prices[i]);
/*第二次购买股票*/
buy2 = max(buy2, sell1 - prices[i]);
/*第二次卖掉*/
sell2 = max(sell2, buy2 + prices[i]);
}
/*最终卖掉股票收益最大*/
return sell2;
}
};
4.买卖股票的最佳时机 IV(限定交易次数为k次)
4.1题目描述
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)。
示例 1:
输入:k = 2, prices = [2,4,1]
输出:2
解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
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 。
4.2题目分析
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int n = prices.size();
int dp[n][k+1][2];
memset(dp, 0, sizeof(dp));
for(int j = 0; j < k+1; j++) {
dp[0][j][0] = 0, dp[0][j][1] = -prices[0];
}
for(int i = 1; i < n; ++i) {
for(int j = 1; j <= k; ++j) {
dp[i][j][1] = max(dp[i-1][j][1], dp[i][j-1][0]- prices[i]);
dp[i][j][0] = max(dp[i-1][j][0], dp[i][j][1] + prices[i]);
}
}
return dp[n-1][k][0];
}
};
/*
时间复杂度:O(nk)
空间复杂度:O(nk)
*/
5.最佳买卖股票时机含冷冻期(含冷冻期)
5.1题目描述
给定一个整数数组prices,其中第 prices[i] 表示第 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):
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
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)。
示例 1:
输入: prices = [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]
示例 2:
输入: prices = [1]
输出: 0
5.2题目分析
动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int dp[n][3];
//dp[i][0] 第i天手上持有股票时的最大收益
//dp[i][1] 第i天手上没有股票且处于冷冻期的最大收益
//dp[i][2] 第i天手上没有股票且未处于冷冻期的最大收益
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][2], dp[i-1][1]);
}
return max(dp[n-1][1], dp[n-1][2]);
}
};
滚动数组优化动态规划
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int buy, freeze, sell;
//buy 手上持有股票时的最大收益
//freeze 手上没有股票且处于冷冻期的最大收益
//sell 手上没有股票且未处于冷冻期的最大收益
buy = -prices[0], freeze = 0, sell = 0;
for(int i = 1; i < n; ++i) {
int tmp1 = buy, tmp2 = freeze; //保存昨天的值
buy = max(buy, sell - prices[i]);
freeze = tmp1 + prices[i];
sell = max(sell, tmp2);
}
return max(sell, freeze);
}
};
6.买卖股票的最佳时机含手续费(含手续费)
6.1题目描述
给定一个整数数组 prices,其中 prices[i]表示第 i 天的股票价格 ;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
示例 2:
输入:prices = [1,3,7,5,10,3], fee = 3
输出:6
6.2题目分析
购买时支付fee
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
int dp[n][2];
//在购买股票时支付fee(先可以在卖出时支付fee)
dp[0][0] = 0, dp[0][1] = -prices[0] - fee;
for(int i = 1; i < n; ++i) {
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i] - fee);
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i]);
}
return dp[n-1][0];
}
};
卖出时支付fee
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
int dp[n][2];
dp[0][0] = 0, dp[0][1] = -prices[0];
for(int i = 1; i < n; ++i) {
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]);
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i] - fee);
}
return dp[n-1][0];
}
};