算法学习（十八）

学习内容：

动态规划算法：每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。
在查找有很多重叠子问题的情况的最优解有效。动态规划保存子问题的解，避免重复计算。

学习产出：

股票交易

动态规划

解决动态规划问题的关键是找到状态转移方程，这样就可以通过计算和存储子问题的解来解决最终问题。

LeetCode121 买卖股票的最佳时机

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。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
         

题解

遍历一遍数组，在每一个位置i时，记录i位置之前所有价格中最低价格，然后当前价格为售价，找出最大收益即可

代码（python）

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        buy,sell = prices[0],0
        for i in range(len(prices)):
            buy = min(buy,prices[i])
            sell = max(sell,prices[i]-buy)
        return sell
        

LeetCode188 买卖股票的最佳时机 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）。

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 。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

    

题解

如果k大于总天数，那么赚钱即可买卖，如果k小于总天数，我们可以建立两个动态规划数组buy和sell ，buy[j]表示在第j次买入时最大收益，sell[j]表示在第j次卖出时的最大收益

代码（python）

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        def maxProfitUnlimited(prices): #辅助函数 判断k大于总天数
            maxProfit = 0
            for i in range(len(prices)):
                if prices[i] > prices[i-1]:
                    maxProfit += prices[i] - prices[i-1]
            return maxProfit
        days = len(prices)
        if days < 2: return 0
        if k >= days:
            return maxProfitUnlimited(prices)
        buy,sell = [float('-inf')]*(k+1),[0]*(k+1)
        for i in range(days):
            for j in range(1,k+1):
                buy[j] = max(buy[j],sell[j-1] - prices[i])
                sell[j] = max(sell[j],buy[j] + prices[i])
        return sell[k]
        

LeetCode309 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]

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。  

题解

利用状态机来解决这类动态转移问题，通过建立多个状态以及他们的转移方式，推导出各个状态的转移方程。如图所示，建立四个状态来表示带有冷却的股票交易和他们之间的转移方式

代码（python）

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        if n == 0: return 0
        buy,sell,s1,s2 = [0]*n,[0]*n,[0]*n,[0]*n,
        buy[0] = s1[0] = -prices[0]
        for i in range(1,n):
            buy[i] = s2[i-1] - prices[i]
            s1[i] = max(buy[i-1],s1[i-1])
            sell[i] = max(buy[i-1],s1[i-1]) + prices[i]
            s2[i] = max(s2[i-1],sell[i-1])
        return  max(sell[n-1],s2[n-1])