算法题
Leetcode 309.最佳买卖股票时机含冷冻期
题目链接:309.最佳买卖股票时机含冷冻期
大佬视频讲解:309.最佳买卖股票时机含冷冻期视频讲解
个人思路
想比122.买卖股票的最佳时机II ,本题加上了一个冷冻期,分析也更复杂了,方法还是用动态规划解决,先需要将状态转化搞清楚,可以画图区分
解法
动态规划
动规五部曲:
1.确定dp数组以及下标的含义
dp[i][j],第i天状态为j,所剩的最多现金为dp[i][j]。
具体可以区分出如下四个状态:
- 状态一:持有股票状态(今天买入股票,或者是之前就买入了股票然后没有操作,一直持有)
- 不持有股票状态,这里就有两种卖出股票状态
- 状态二:保持卖出股票的状态(两天前就卖出了股票,度过一天冷冻期。或者是前一天就是卖出股票状态,一直没操作)
- 状态三:今天卖出股票
- 状态四:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
j的状态为:
- 0:状态一
- 1:状态二
- 2:状态三
- 3:状态四
从代码上来看状态二和状态四可以合并,但从逻辑上分析合并之后就很难理解了,所以分析是按照这四个状态来的,把每一个状态分析清楚。
注意这里的每一个状态,例如状态一,是持有股票股票状态并不是说今天一定就买入股票,而是说保持买入股票的状态即:可能是前几天买入的,之后一直没操作,所以保持买入股票的状态。
2.确定递推公式
达到买入股票状态(状态一)即:dp[i][0],有两个具体操作:
- 操作一:前一天就是持有股票状态(状态一),dp[i][0] = dp[i - 1][0]
- 操作二:今天买入了,有两种情况
- 前一天是冷冻期(状态四),dp[i - 1][3] - prices[i]
- 前一天是保持卖出股票的状态(状态二),dp[i - 1][1] - prices[i]
那么dp[i][0] = max(dp[i - 1][0], dp[i - 1][3] - prices[i], dp[i - 1][1] - prices[i]);
达到保持卖出股票状态(状态二)即:dp[i][1],有两个具体操作:
- 操作一:前一天就是状态二
- 操作二:前一天是冷冻期(状态四)
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
达到今天就卖出股票状态(状态三),即:dp[i][2] ,只有一个操作:
昨天一定是持有股票状态(状态一),今天卖出
即:dp[i][2] = dp[i - 1][0] + prices[i];
达到冷冻期状态(状态四),即:dp[i][3],只有一个操作:
昨天卖出了股票(状态三)
dp[i][3] = dp[i - 1][2];
3.dp数组如何初始化
如果是持有股票状态(状态一)那么:dp[0][0] = -prices[0],一定是当天买入股票。
保持卖出股票状态(状态二),如果i为1,第1天买入股票,那么递归公式中需要计算 dp[i - 1][1] - prices[i] ,即 dp[0][1] - prices[1],即第0天的状态二只能初始为0。如果初始为其他数值,第1天买入股票后 手里还剩的现金数量就对不上了。
今天卖出了股票(状态三),同上分析,dp[0][2]初始化为0,dp[0][3]也初始为0。
4.确定遍历顺序
从递归公式上可以看出,dp[i] 依赖于 dp[i-1],所以是从前向后遍历。
5.举例推导dp数组
以 [1,2,3,0,2] 为例,dp数组如下:
最后结果是取 状态二,状态三,和状态四的最大值;->状态四是冷冻期,最后一天如果是冷冻期也可能是最大值。
//加%正确地处理数组边界条件和区分持有股票和没有持有股票的情况
//因为持有股票的情况和没有持有股票的情况分别对应于数组中的偶数位置和奇数位置
class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
int dp[][] = new int [2][4];
dp[0][0] = -prices[0];//初始化
for(int i = 1; i < len; i++){
dp[i % 2][0] = Math.max(Math.max(dp[(i - 1) % 2][0], dp[(i - 1) % 2][1] - prices[i]), dp[(i - 1) % 2][3] - prices[i]);
dp[i % 2][1] = Math.max(dp[(i - 1) % 2][1], dp[(i - 1) % 2][3]);
dp[i % 2][2] = dp[(i - 1) % 2][0] + prices[i];
dp[i % 2][3] = dp[(i - 1) % 2][2];
}
return Math.max(Math.max(dp[(len - 1) % 2][1], dp[(len - 1) % 2][2]), dp[(len - 1) % 2][3]);//状态2,3,4中选一个
}
}
时间复杂度:O(n);(4次遍历数组)
空间复杂度:O(1);(2×4的二维数组dp)
Leetcode 714.买卖股票的最佳时机含手续费
题目链接:714.买卖股票的最佳时机含手续费
大佬视频讲解:714.买卖股票的最佳时机含手续费视频讲解
个人思路
这道题多加了手续费,逻辑和之前做的力扣122题是一样的,改一下递推公式加个手续费。
解法
动态规划
相对于122.买卖股票的最佳时机II,唯一的区别在于本题需要在计算卖出操作的时候减去手续费。也就是在于递推公式部分不同,所以主要讲解一下递推公式部分。
dp数组的含义:
dp[i][0] 表示第i天持有股票所省最多现金。 dp[i][1] 表示第i天不持有股票所得最多现金
如果第i天持有股票即dp[i][0], 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:dp[i - 1][0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:dp[i - 1][1] - prices[i]
所以:dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
在来看看如果第i天不持有股票即dp[i][1]的情况, 依然可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金,注意这里需要有手续费了即:dp[i - 1][0] + prices[i] - fee
所以:dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
public int maxProfit(int[] prices, int fee) {
int len = prices.length;
// 0 : 持股(买入) 1 : 不持股(售出)
int[][] dp = new int[len][2];//定义第i天持股/不持股 所得最多现金
dp[0][0] = -prices[0];//初始化持股
for (int i = 1; i < len; i++) {
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
dp[i][1] = Math.max(dp[i - 1][0] + prices[i] - fee, dp[i - 1][1]);//卖出扣除手续费
}
return Math.max(dp[len - 1][0], dp[len - 1][1]);
}
时间复杂度:O(n);(遍历数组)
空间复杂度:O( n);(创建了一个二维数组
dp
,其大小为len*2
,其中len
是数组prices
的长度)
股票问题的总结图
以上是个人的思考反思与总结,若只想根据系列题刷,参考卡哥的网址代码随想录算法官网