Leetcode309. 最佳买卖股票时机含冷冻期
相似题目:
Leetcode121. 买卖股票的最佳时机
Leetcode122. 买卖股票的最佳时机 II
题目:
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
题解:
方案一:
我们用
f
[
i
]
f[i]
f[i] 表示第
i
i
i 天结束之后的「累计最大收益」。根据题目描述,由于我们最多只能同时买入(持有)一支股票,并且卖出股票后有冷冻期的限制,因此我们会有三种不同的状态:
- 我们目前持有一支股票,对应的「累计最大收益」记为 f [ i ] [ 0 ] f[i][0] f[i][0];
- 我们目前不持有任何股票,并且处于冷冻期中,对应的「累计最大收益」记为 f [ i ] [ 1 ] f[i][1] f[i][1];
- 我们目前不持有任何股票,并且不处于冷冻期中,对应的「累计最大收益」记为 f [ i ] [ 2 ] f[i][2] f[i][2]。
这里的「处于冷冻期」指的是在第 i i i 天结束之后的状态。也就是说:如果第 i i i天结束之后处于冷冻期,那么第 i + 1 i+1 i+1 天无法买入股票。
如何进行状态转移呢?在第 i i i 天时,我们可以在不违反规则的前提下进行「买入」或者「卖出」操作,此时第 i i i天的状态会从第 i − 1 i−1 i−1 天的状态转移而来;我们也可以不进行任何操作,此时第 i i i 天的状态就等同于第 i − 1 i-1 i−1 天的状态。那么我们分别对这三种状态进行分析:
-
对于 f [ i ] [ 0 ] f[i][0] f[i][0],我们目前持有的这一支股票可以是在第 i − 1 i-1 i−1 天就已经持有的,对应的状态为 f [ i − 1 ] [ 0 ] f[i−1][0] f[i−1][0];或者是第 i i i天买入的,那么第 i − 1 i-1 i−1 天就不能持有股票并且不处于冷冻期中,对应的状态为 f [ i − 1 ] [ 2 ] f[i−1][2] f[i−1][2] 加上买入股票的负收益 p r i c e s [ i ] prices[i] prices[i]。因此状态转移方程为:
f [ i ] [ 0 ] = max ( f [ i − 1 ] [ 0 ] , f [ i − 1 ] [ 2 ] − p r i c e s [ i ] ) f[i][0] = \max(f[i-1][0], f[i-1][2] - {\it prices}[i]) f[i][0]=max(f[i−1][0],f[i−1][2]−prices[i])
-
对于 f [ i ] [ 1 ] f[i][1] f[i][1],我们在第 i i i天结束之后处于冷冻期的原因是在当天卖出了股票,那么说明在第 i − 1 i-1 i−1天时我们必须持有一支股票,对应的状态为 f [ i − 1 ] [ 0 ] f[i−1][0] f[i−1][0] 加上卖出股票的正收益 p r i c e s [ i ] prices[i] prices[i]。因此状态转移方程为:
f [ i ] [ 1 ] = f [ i − 1 ] [ 0 ] + p r i c e s [ i ] f[i][1] = f[i-1][0] + {\it prices}[i] f[i][1]=f[i−1][0]+prices[i]
-
对于 f [ i ] [ 2 ] f[i][2] f[i][2],我们在第 i i i 天结束之后不持有任何股票并且不处于冷冻期,说明当天没有进行任何操作,即第 i − 1 i-1 i−1天时不持有任何股票:如果处于冷冻期,对应的状态为 f [ i − 1 ] [ 1 ] f[i-1][1] f[i−1][1];如果不处于冷冻期,对应的状态为 f [ i − 1 ] [ 2 ] f[i-1][2] f[i−1][2]。因此状态转移方程为:
f [ i ] [ 2 ] = max ( f [ i − 1 ] [ 1 ] , f [ i − 1 ] [ 2 ] ) f[i][2] = \max(f[i-1][1], f[i-1][2]) f[i][2]=max(f[i−1][1],f[i−1][2])
这样我们就得到了所有的状态转移方程。如果一共有 n n n 天,那么最终的答案即为:
max ( f [ n − 1 ] [ 0 ] , f [ n − 1 ] [ 1 ] , f [ n − 1 ] [ 2 ] ) \max(f[n-1][0], f[n-1][1], f[n-1][2]) max(f[n−1][0],f[n−1][1],f[n−1][2])
注意到如果在最后一天(第 n − 1 n−1 n−1 天)结束之后,手上仍然持有股票,那么显然是没有任何意义的。因此更加精确地,最终的答案实际上是 f [ n − 1 ] [ 1 ] f[n−1][1] f[n−1][1] 和 f [ n − 1 ] [ 2 ] f[n−1][2] f[n−1][2] 中的较大值,即:
max ( f [ n − 1 ] [ 1 ] , f [ n − 1 ] [ 2 ] ) \max(f[n-1][1], f[n-1][2]) max(f[n−1][1],f[n−1][2])
我们可以将第 0 天的情况作为动态规划中的边界条件:
{ f [ 0 ] [ 0 ] = − p r i c e s [ 0 ] f [ 0 ] [ 1 ] = 0 f [ 0 ] [ 2 ] = 0 \begin{cases} f[0][0] &= -{\it prices}[0] \\ f[0][1] &= 0 \\ f[0][2] &= 0 \end{cases} ⎩ ⎨ ⎧f[0][0]f[0][1]f[0][2]=−prices[0]=0=0
在第 0天时,如果持有股票,那么只能是在第 0 天买入的,对应负收益 − p r i c e s -{\it prices} −prices;如果不持有股票,那么收益为零。注意到第 0 天实际上是不存在处于冷冻期的情况的,但我们仍然可以将对应的状态 f [ 0 ] [ 1 ] f[0][1] f[0][1] 置为零。
方案二:
注意到上面的状态转移方程中,
f
[
i
]
[
.
.
]
f[i][..]
f[i][..] 只与
f
[
i
−
1
]
[
.
.
]
f[i-1][..]
f[i−1][..] 有关,而与
f
[
i
−
2
]
[
.
.
]
f[i−2][..]
f[i−2][..] 及之前的所有状态都无关,因此我们不必存储这些无关的状态。也就是说,我们只需要将
f
[
i
−
1
]
[
0
]
f[i-1][0]
f[i−1][0],
f
[
i
−
1
]
[
1
]
f[i-1][1]
f[i−1][1],
f
[
i
−
1
]
[
2
]
f[i−1][2]
f[i−1][2] 存放在三个变量中,通过它们计算出
f
[
i
]
[
0
]
f[i][0]
f[i][0],
f
[
i
]
[
1
]
f[i][1]
f[i][1],
f
[
i
]
[
2
]
f[i][2]
f[i][2] 并存回对应的变量,以便于第
i
+
1
i+1
i+1 天的状态转移即可
java代码:
/**
* @param prices
* @return
*/
public static int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) return 0;
int n = prices.length;
int[][] f = new int[n][3];
// f[i][0]: 手上持有股票的最大收益
// f[i][1]: 手上不持有股票,并且处于冷冻期中的累计最大收益
// f[i][2]: 手上不持有股票,并且不在冷冻期中的累计最大收益
f[0][0] = -prices[0];
f[0][1] = 0;
f[0][2] = 0;
for (int i = 1; i < n; i++) {
f[i][0] = Math.max(f[i - 1][0], f[i - 1][2] - prices[i]);
f[i][1] = f[i - 1][0] + prices[i];
f[i][2] = Math.max(f[i - 1][1], f[i - 1][2]);
}
return Math.max(f[n - 1][1], f[n - 1][2]);
}
/**
*
* @param prices
* @return
*/
public static int maxProfit2(int[] prices) {
if (prices == null || prices.length == 0) return 0;
int n = prices.length;
// f0: 手上持有股票的最大收益
// f1: 手上不持有股票,并且处于冷冻期中的累计最大收益
// f2: 手上不持有股票,并且不在冷冻期中的累计最大收益
int f0 = -prices[0];
int f1 = 0;
int f2 = 0;
for (int i = 1; i < n; i++) {
int newf0 = Math.max(f0, f2 - prices[i]);
int newf1 = f0 + prices[i];
int newf2 = Math.max(f1, f2);
f0 = newf0;
f1 = newf1;
f2 = newf2;
}
return Math.max(f1, f2);
}