309.最佳买卖股票时机含冷冻期 ★
文档讲解 : 代码随想录 - 309.最佳买卖股票时机含冷冻期
状态:再次回顾。(★:需要多次回顾并重点回顾。)
动态规划五部曲:
-
确定dp数组(dp table)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!
-
确定递推公式
- 达到买入股票状态(状态一)即:
dp[i][0]
状态,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]
- 前一天是冷冻期(状态四),
- 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)
即:dp[i][3] = dp[i - 1][2];
综上分析,递推代码如下:
dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]); dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]); dp[i][2] = dp[i - 1][0] + prices[i]; dp[i][3] = dp[i - 1][2];
- 达到买入股票状态(状态一)即:
-
dp数组如何初始化
dp[0][0] = -prices[0]; dp[0][1] = 0; dp[0][2] = 0; dp[0][3] = 0;
-
确定遍历顺序
从递推公式可以看出dp[i]
都是由dp[i - 1]
推导出来的,那么一定是从前到后遍历! -
举例推导dp数组:
以[1,2,3,0,2]
为例,dp数组如下:
本题代码:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if (n == 0) return 0;
vector<vector<int>> dp(n, vector<int>(4, 0));
dp[0][0] -= prices[0]; // 持股票
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3] - prices[i], dp[i - 1][1] - prices[i]));
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
dp[i][2] = dp[i - 1][0] + prices[i];
dp[i][3] = dp[i - 1][2];
}
return max(dp[n - 1][3], max(dp[n - 1][1], dp[n - 1][2]));
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
714.买卖股票的最佳时机含手续费
文档讲解 : 代码随想录 - 714.买卖股票的最佳时机含手续费
状态:再次回顾。
动态规划五部曲:
-
确定dp数组(dp table)以及下标的含义
dp[i]的定义为:
dp[i][0]
表示第i天持有股票所得最多现金;
dp[i][1]
表示第i天不持有股票所得最多现金。 -
确定递推公式
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,本题的股票可以买卖多次,所以买入股票的时候,可能会有之前买卖的利润即:dp[i - 1][1]
,所得现金就是买入今天的股票后加之前买卖的利润所得现金即:dp[i - 1][1]-prices[i]
那么dp[i][0]
应该选所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], dp[i - 1][1]-prices[i]);
如果第
i
天不持有股票即dp[i][1]
, 也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即:prices[i] + dp[i - 1][0] - fee
同样dp[i][1]
取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0] - fee);
- 第
-
dp数组如何初始化
dp[0][0] -= prices[0]; dp[0][1] = 0;
-
确定遍历顺序
从递推公式可以看出dp[i]
都是由dp[i - 1]
推导出来的,那么一定是从前到后遍历! -
举例推导dp数组:
本题和动态规划:122.买卖股票的最佳时机II (opens new window)的区别就是这里需要多一个减去手续费的操作。
本题代码:
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2, 0));
dp[0][0] -= prices[0]; // 持股票
for (int i = 1; i < n; i++) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
}
return max(dp[n - 1][0], dp[n - 1][1]);
}
};
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)