打家劫舍
198.打家劫舍
- dp[i],考虑下标为i,能够偷窃到的最高金额
- dp[i] = max(dp[i-2]+nums[i],dp[i-1]);
- dp[0]=nums[0],dp[1]=max(nums[0],nums[1])
class Solution {
public int rob(int[] nums) {
if(nums.length == 0) return 0;
if(nums.length == 1) return nums[0];
int[] dp = new int[nums.length];
dp[0]=nums[0];
dp[1]=Math.max(nums[0],nums[1]);
for(int i = 2; i < dp.length; i++){
dp[i] = Math.max(dp[i-2]+nums[i],dp[i-1]);
}
return dp[nums.length - 1];
}
}
213.打家劫舍II
思路:分为两种情况,一种不考虑开头的房子,一种不考虑结尾的房子,然后分别调用打家劫舍1的代码,最后返回两者的最大值
class Solution {
public int rob(int[] nums) {
if(nums.length == 0) return 0;
if(nums.length == 1) return nums[0];
return Math.max(rob1(nums,0,nums.length - 2),rob1(nums,1,nums.length - 1));
}
public int rob1(int[] nums, int l, int r){
if(r - l == 0) return nums[l];
int[] dp = new int[r - l + 1];
dp[0] = nums[l];
dp[1] = Math.max(nums[l],nums[l+1]);
for(int i = 2; i < dp.length; i++){
dp[i] = Math.max(dp[i-2]+nums[i+l],dp[i-1]);
}
return dp[dp.length - 1];
}
}
class Solution {
public int rob(int[] nums) {
if(nums.length == 0) return 0;
if(nums.length == 1) return nums[0];
return Math.max(rob1(nums,0,nums.length - 2),rob1(nums,1,nums.length - 1));
}
public int rob1(int[] nums, int l, int r){
if(r - l == 0) return nums[l];
if(r - l == 1) return Math.max(nums[l],nums[l+1]);
int x = nums[l];
int y = Math.max(x,nums[l+1]);
int z = 0;
for(int i = l+2; i <= r; i++){
z = Math.max(x+nums[i],y);
x = y;
y = z;
}
return z;
}
}
337.打家劫舍 III
- 总体思路:给每个节点设置偷与不偷俩个dp状态,通过后序递归遍历返回左右子节点的dp状态,计算当前节点的dp状态
- DP解题步骤:
- dp数组含义:考虑当前节点,dp[0]表示不偷当前节点时的最大金额,dp[1]表示偷当前节点时的最大金额;
dp[0] = max(ldp[0],ldp[1]+max(rdp[0],rdp[1]) ; dp[1] = ldp[0] + rdp[0] + val
;- 初始化: 空节点,偷与不偷都是返回0;
- 遍历顺序:使用后序遍历,利用函数返回值
- 举例推导:
class Solution {
public int rob(TreeNode root) {
int[] dp = robtree(root);
return Math.max(dp[0],dp[1]);
}
public int[] robtree(TreeNode root){
if(root == null) return new int[]{0,0};
int[] dp = new int[2];
int[] ldp = robtree(root.left);
int[] rdp = robtree(root.right);
dp[0] = Math.max(ldp[0],ldp[1]) + Math.max(rdp[0],rdp[1]);
dp[1] = ldp[0] + rdp[0] + root.val;
return dp;
}
}
股票问题
121. 买卖股票的最佳时机
暴力解法
//暴力解法
class Solution {
public int maxProfit(int[] prices) {
int res = 0;
for(int i = 0; i < prices.length; i++){
for(int j = i+1; j < prices.length; j++){
res = Math.max(res,prices[j] - prices[i]);
}
}
return res;
}
}
贪心解法
取最左最小值,取最右最大值
class Solution {
public int maxProfit(int[] prices) {
int min = 10005;
int res = 0;
for(int i = 0; i < prices.length; i++){
//记录左侧最小值
min = Math.min(prices[i],min);
//记录结果
res = Math.max(res, prices[i] - min);
}
return res;
}
}
动态规划
- dp数组含义:dp[i][0]表示第i天结束后持有股票的所得最多现金,dp[i][1]表示第i天结束后不持有股票的所得最多现金;
- 递推公式:
- 第i天持有 = 【第i天买入,第i-1天不持有】 + 【第i-1天就持有】。
dp[i][0] = max(-prices[i],dp[i-1][0])
- 第i天不持有 = 【第i天卖出,第i-1天持有】 +【第i-1天也不持有】。
dp[i][1] = max(dp[i-1][0]+prices[i],dp[i-1][1])
注意:由于本题股票全程只能买卖一次,所以如果买入股票,那么第i天持有股票即dp[i][0]一定就是 0-prices[i]
- 初始化:
dp[0][0] = -prices[0],dp[0][1] = 0,
;
class Solution {
public int maxProfit(int[] prices) {
//1.dp[i][0]:第i天持有股票的状态,dp[i][1]:第i天不持有股票的状态
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < prices.length; i++){
//1.第i天才买入,注意本题只买卖一次
//2.第i-1天就持有
dp[i][0] = Math.max(-prices[i],dp[i-1][0]);
//1.第i天卖出,第i-1天持有
//2.第i-1天也不持有
dp[i][1] = Math.max(dp[i-1][0]+prices[i],dp[i-1][1]);
}
return dp[prices.length - 1][1];
}
}
- 一维数组优化
class Solution {
public int maxProfit(int[] prices) {
//1.dp[i][0]:第i天持有股票的状态,dp[i][1]:第i天不持有股票的状态
int[] dp = new int[2];
dp[0] = -prices[0];
dp[1] = 0;
for(int i = 1; i < prices.length; i++){
//1.第i天才买入,注意本题只买卖一次
//2.第i-1天就持有
dp[0] = Math.max(-prices[i],dp[0]);
//1.第i天卖出,第i-1天持有
//2.第i-1天也不持有
dp[1] = Math.max(dp[0]+prices[i],dp[1]);
}
return dp[1];
}
}
122.买卖股票的最佳时机II
动态规划
注意:本题因为一只股票可以买卖多次,所以当第i天买入股票的时候,所持有的现金可能有之前买卖过的利润。
class Solution {
public int maxProfit(int[] prices) {
//1.dp[i][0]:第i天持有股票的状态,dp[i][1]:第i天不持有股票的状态
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < prices.length; i++){
//1.第i天才买入,第i-1天不持有
//2.第i-1天就持有
dp[i][0] = Math.max(dp[i-1][1]-prices[i],dp[i-1][0]);
//1.第i天卖出,第i-1天持有
//2.第i-1天也不持有
dp[i][1] = Math.max(dp[i-1][0]+prices[i],dp[i-1][1]);
}
return dp[prices.length - 1][1];
}
}
- 一维数组优化
class Solution {
public int maxProfit(int[] prices) {
//1.dp[i][0]:第i天不持有股票的状态,dp[i][1]:第i天持有股票的状态
int[] dp = new int[2];
dp[0] = 0;
dp[1] = -prices[0];
int temp = 0;
for(int i = 1; i < prices.length; i++){
//1.第i天卖出,第i-1天持有
//2.第i-1天也不持有
temp = dp[0];
dp[0] = Math.max(dp[1]+prices[i],dp[0]);
//1.第i天才买入,第i-1天不持有
//2.第i-1天就持有
dp[1] = Math.max(temp-prices[i],dp[1]);
}
return dp[0];
}
}
贪心解法
- 想获得利润至少要两天为一个交易单元
- 最终利润是可以分解的,把利润分解为每天为单位的维度
- 局部最优:收集每天的正利润,全局最优:求得最大利润
class Solution {
public int maxProfit(int[] prices) {
int res = 0;
for(int i = 0; i < prices.length - 1; i++){
int profit = prices[i+1] - prices[i] ;
if(profit > 0)
res+= profit;
}
return res;
}
}
123.买卖股票的最佳时机III
- dp数组含义:dp[i][0]表示第i天没有操作,dp[i][1]表示第i天第一次持有股票时的所得最多现金,dp[i][2]表示第i天第一次不持有股票时的所得最多现金,dp[i][3]表示第i天第二次持有股票时的所得最多现金,dp[i][4]表示第i天第二次不持有股票时的所得最多现金;
- 递推公式:
- 第i天不操作:
dp[i][0] = dp[i - 1][0];
- 第i天第一次持有:【第i天买入,第i-1天不持有】 + 【第i-1天就持有】。
dp[i][1] = max(-prices[i],dp[i-1][1])
- 第i天第一次不持有: 【第i天卖出,第i-1天持有】 +【第i-1天不持有】。
dp[i][2] = max(dp[i-1][1]+prices[i],dp[i-1][2])
- 第i天第二次持有:【第i天第二次买入,第i-1天不持有】 + 【第i-1天就第二次持有】。
dp[i][3] = max(dp[i-1][2]-prices[i],dp[i-1][3])
- 第i天第二次不持有: 【第i天第二次卖出,第i-1天持有】 +【第i-1天第二次不持有】。
dp[i][4] = max(dp[i-1]3]+prices[i],dp[i-1][4])
- 初始化:
dp[0][0] = 0, dp[0][1] = -prices[0],dp[0][2] = 0,dp[0][3] = -prices[0],dp[0][4] = 0
; - 遍历顺序:从小到大
- 举例推导
最大值一定是dp[i][4],因为dp[i][4]也包含了dp[i][2]的值,当天买入再卖出即可
class Solution {
public int maxProfit(int[] prices) {
//dp[i][0]:第i天没有操作
//dp[i][1]:第i天第一次持有股票时的所得最多现金
//dp[i][2]:第i天第一次不持有股票时的所得最多现金
//dp[i][3]:第i天第二次持有股票时的所得最多现金
//dp[i][4]:第i天第二次不持有股票时的所得最多现金
int len = prices.length;
int[][] dp = new int[len][5];
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;
for(int i = 1; i < len; i++){
dp[i][0] = dp[i-1][0];
dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);
dp[i][2] = Math.max(dp[i-1][1]+prices[i],dp[i-1][2]);
dp[i][3] = Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);
dp[i][4] = Math.max(dp[i-1][3]+prices[i],dp[i-1][4]);
}
return dp[len-1][4];
}
}
188.买卖股票的最佳时机IV
- dp数组含义:
dp[i][0]
表示第i
天没有操作j
为奇数时,dp[i][j]
表示第i
天第j/2+1
次持有股票时的所得最多现金j
为偶数(大于0)时,dp[i][j]
表示第i
天第j/2
次不持有股票时的所得最多现金
- 递推公式:
for(int j = 0; j < 2 * k; j+=2){
//1.第i-1天不持有股票(dp[i-1][j]),第i天才购入股票(-prices[i])
//2.第i-1天就已经持有股票(dp[i-1][j+1])
dp[i][j+1] = Math.max(dp[i-1][j] - prices[i], dp[i-1][j+1]);
//1.第i-1天持有股票(dp[i-1][j+1]),第i天才卖掉股票(+prices[i])
//2.第i-1天就已经不持有股票(dp[i-1][j+2])
dp[i][j+2] = Math.max(dp[i-1][j+1] + prices[i], dp[i-1][j+2]);
}
- 初始化
for(int i = 1; i < 2 * k ; i+=2){
//奇数次为购入当前股票,初始化为 -prices[0]
dp[0][i] = -prices[0];
}
- 遍历顺序
- 举例推导
代码:
class Solution {
public int maxProfit(int k, int[] prices) {
int len = prices.length;
int[][] dp = new int[len][2*k+1];
for(int i = 1; i < 2 * k ; i+=2){
dp[0][i] = -prices[0];
}
for(int i = 1; i<len; i++){
for(int j = 0; j < 2 * k; j+=2){
dp[i][j+1] = Math.max(dp[i-1][j] - prices[i], dp[i-1][j+1]);
dp[i][j+2] = Math.max(dp[i-1][j+1] + prices[i], dp[i-1][j+2]);
}
}
return dp[len-1][2*k];
}
}
309.最佳买卖股票时机含冷冻期
LeetCode题解
注意关注当天结束后的状态
- dp含义:dp[i][0]:第i天结束后持有,dp[i][1]:第i天结束后不持有且处于冷冻期,dp[i][2]:第i天结束后不持有且不处于冷冻期。
- 状态转移:
- dp[i][0]:第i天结束后持有。可能前一天i-1结束后就已经持有,对应状态dp[i-1][0];或者今天i刚买入,那么前一天i-1结束后不持有且不处于冷冻期,对应状态dp[i-1][2]-prices[i];
- dp[i][1]:第i天结束后不持有且处于冷冻期。说明当天卖出了股票,那么前一天i-1一定持有股票,对应状态dp[i][0] + prices[i]。
- dp[i][2]:第i天结束后不持有且不处于冷冻期。说明当天i没有任何操作(没有买入也没有卖出)。若当天i处于冷冻期,说明前一天i-1卖出了股票,对应的状态为dp[i-1][1];若当天i不处于冷冻期,对应的状态为dp[i-1][2]。
- 初始值:dp[0][0] = -prices[0],持有时设置为 -prices[0]
class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
int[][] dp = new int[len][3];
dp[0][0] = -prices[0];
for(int i = 1; i < len ; i++){
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][2]-prices[i]);
dp[i][1] = dp[i-1][0] + prices[i];
dp[i][2] = Math.max(dp[i-1][1],dp[i-1][2]);
}
return Math.max(dp[len - 1][1],dp[len - 1][2]);
}
}
714.买卖股票的最佳时机含手续费
动态规划
122.买卖股票的最佳时机II,卖出时加上手续费即可。
class Solution {
public int maxProfit(int[] prices, int fee) {
int len = prices.length;
int[][] dp = new int[len][2];
dp[0][0] = - prices[0];
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][1],dp[i-1][0]+prices[i]-fee);
}
return dp[len - 1][1];
}
}
class Solution {
public int maxProfit(int[] prices, int fee) {
//转换思路,买入时先加上手续费
int buy = prices[0] + fee;
int res = 0;
for(int i = 1; i < prices.length; i++){
//如果当前价格小于之前buy的价格,那不如在当前价格购买更划算
//如果当前buy是不计算手续费的price[i],且prices[i]+fee < buy,说明此时卖出不仅可以赚回重新买入的手续费,且未来收益更大
if(prices[i]+fee < buy) buy = prices[i] + fee;
//如果当前价格高于buy,说明算上手续费,这次买卖也是正收益,但可能不是最大收益
//先加上这次的收益,再设置buy为price[i],若继续增大则可以继续加入到收益中
if(prices[i] > buy){
res+=prices[i] - buy;
buy = prices[i];
}
}
return res;
}
}