代码随想录算法训练营第五十一天|309.最佳买卖股票时机含冷冻期 、714.买卖股票的最佳时机含手续费

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：

1. 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！
     

2. 确定递推公式

   1. 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]
   2. 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]);
   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];
   4. 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];
   

3. 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;
   

4. 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！

5. 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：$O(n)$
• 空间复杂度：$O(n)$

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：

1. 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。

2. 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);

3. dp数组如何初始化

   dp[0][0] -= prices[0];
   dp[0][1] = 0;
   

4. 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！

5. 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：$O(n)$
• 空间复杂度：$O(n)$