股票买卖——状态如何表示与转换

最新推荐文章于 2024-06-27 12:00:00 发布

ttccyyaarr

最新推荐文章于 2024-06-27 12:00:00 发布

阅读量216

点赞数

本文链接：https://blog.csdn.net/tracygirlhhh/article/details/115217985

版权

刷题专栏收录该内容

20 篇文章 0 订阅

订阅专栏

最简单版本：只有一次交易机会，某天买某天卖：买卖股票1

//对于每一天i，只要知道前面最小的是哪天，就可以知道以i结尾的最大利润
    int maxProfit(vector<int>& prices) {
        int buyDay = 0;
        int maxProfit = 0;
        for(int i=1;i<prices.size();i++){
            if(prices[i]<prices[buyDay])
                buyDay = i;
            int tempProfit = prices[i] - prices[buyDay];
            maxProfit = max(maxProfit,tempProfit);
        }
        return maxProfit;
    }

不限次数的交易: 买卖股票2

你可以尽可能地完成更多的交易（多次买卖一支股票）

 //连续的持有也可以视作是买了再卖出，反正次数不限
    int maxProfit(vector<int>& prices) {
        int profitSum = 0;
        for(int i=1;i<prices.size();i++){
            if(prices[i] < prices[i-1] ){
                continue;
            }
            profitSum += prices[i] - prices[i-1]; //只要有利润就买卖
        }
        return profitSum;
    }

第二种写法，通解法，状态转移。

//dp[i][1]第i天持有股票，dp[i][0]第i天不持有股票
    int maxProfit(vector<int>& prices) {
        int dp[100005][2];
        dp[0][0] = 0; 
        dp[0][1] = -prices[0];  //初始如果买入，到第0天为止的利润是负数哦
        for(int i=1;i<prices.size();i++){
        
            dp[i][0] = max(dp[i-1][1] + prices[i], dp[i-1][0]); //不持有=前一天不持有保持 or 前一天持有+今天卖出
            dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]); //持有=前一天持有保持 or 前一天没有+今天买入

        }
        return dp[prices.size()-1][0];  
    }

含冷冻期的情况

我本来的想法是，按照上面的2的写法，只需要额外判断买入的时候 $d p [i] = d p [i - 1] [0] - p r i c e$ 前一天i-1是否是卖出的，判断的逻辑就是看dp[i-2][0]是否和[i-1]一样。但这样做不可的原因是：冷冻期会对后面造成影响，因此无法简单的肯定dp[i][0]在 i 天的最优值，你看似在当前最优了，但你的冷冻对也许耽误了后面的大单子。因此冷冻期也应该是状态的一部分。

[0]的不持有情况分下

今天卖出 —— 对后面一天有影响
昨天卖出，或者再之前卖出，顺延之前——对后面无影响

为了区分，我们让今天卖出还是 [0], 非今天卖出的记为[2]

理一下状态转移：
dp[i][1] = dp[i-1][1] $o r$ dp[i-1][2] - price
dp[i][0] = dp[i-1][1] + price
dp[i][2] = dp[i-1][0] $o r$ dp[i-1][2]

int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int> > dp(n,vector<int>(3,0)); //0表示今天卖（后面不准买），1表示现在持有，2表示昨天及之前卖
        dp[0][1] = -prices[0];

        for(int i=1; i<n; i++){
            dp[i][0] = dp[i-1][1] + prices[i];
            dp[i][1] = max(dp[i-1][1],dp[i-1][2]-prices[i]);
            dp[i][2] = max(dp[i-1][0],dp[i-1][2]);
        }
        return max(dp[n-1][0],dp[n-1][2]);
    }

我们发现这种题型其实状态转移不难想，重要的是分析有几种状态。

股票问题通解：给你股票每天的价格，限定你只能进行K次交易（buy and sell）, 求最大的收入。

求第n天交易k次的收入，一般做动态规划的习惯思路会想到：dp[n][k]
，所以会想到用 dp[i][j] 表示第i天为止进行 j 次交易的利润。

我们思考每天的选择，只有三种：sell, buy, keep
因为sell, buy是有前序关系的，必须前面有buy才能sell, 因此我们的状态必须加上一维表示是否前面buy过。

dp[][][0]表示没buy呢
dp[][][1]表示已经buy过了

状态转换
（buy这个行为表示进入了下一次交易j+1）
在这里插入图片描述
由此推导我们的公式：dp的值表示利润

$d p [i] [j] [0] = m a x (d p [i - 1] [j] [0], d p [i - 1] [j] [1] + p r i c e s [i])$

$d p [i] [j] [1] = m a x (d p [i - 1] [j] [1], d p [i - 1] [j - 1] [0] - p r i c e s [i])$

注意初始状态，也就是转换中i-1可能不存在，j-1可能不存在的时候。
i == 0： dp[0][][1] = -prices[i] //表示初始买入
j == 0: dp[][0][1] = -inf //表示不可能

 int maxProfit(vector<int>& prices) {
        int dp[100005][3][2] = {0};
        int inf = 1000000000;
    
        for(int i=0;i<prices.size();i++){
            for(int k=0;k<=2;k++){                   
                //中间涉及i-1,k-1不存在的情况处理
                if( k==0 ){
                    dp[i][k][1] = -inf;
                    continue;
                }
                if(i==0){
                    dp[i][k][1] = -prices[i]; 
                    continue;
                }
                dp[i][k][0] = max(dp[i-1][k][0],dp[i-1][k][1]+prices[i]);
                dp[i][k][1] = max(dp[i-1][k][1],dp[i-1][k-1][0]-prices[i]);
            }
        }
        return dp[prices.size()-1][2][0];
    }