文章目录
前言
题目地址(难度:简单):买卖股票的最佳时机 II
题目地址(难度:中等): 买卖股票的最佳时机含手续费
一、题目介绍
1.1买卖股票的最佳时机 II
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
示例 2:
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
1.2买卖股票的最佳时机含手续费
给定一个整数数组 prices,其中第 i 个元素代表了第 i 天的股票价格 ;非负整数 fee 代表了交易股票的手续费用。
你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。
返回获得利润的最大值。
注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
示例 1:
输入: prices = [1, 3, 2, 8, 4, 9], fee = 2
输出: 8
解释: 能够达到的最大利润:
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8.
二、解题思路
1.分析题目
这两题 都相对比较容易,第二题虽然官方给的题目难度是中等,其实和第一题一样的,就是多个手续费,而且手续费也是常数,就直接使用最常规的动态规划即可。
2.动态规划解题步骤
回顾动态规划系列,动态规划解题过程一共分为两步,一是确定「DP 状态」,二是确定「DP 转移方程」。
「DP 状态」的确定有两大原则,一是「最优子结构」,二是「无后效性」,简要概括就是将原问题划分为多个子问题,且「大规模子问题最优值」仅与「小规模子问题最优值」有关,与「小规模子问题最优值」是如何得到的无关。此处的「大规模」与「小规模」,就是「DP 问题」的关键所在,也是 DP 问题分类的重要标准。确定完「DP 状态」后,只需要分类讨论、细心枚举各种情况,即可得到「DP 转移方程」。
考虑状态dp[i][0]的转移方程,如果这一天交易完后手里没有股票,那么可能的转移状态为前一天已经没有股票,或者前一天结束的时候手里持有一支股票,这时候我们要将其卖出,并获得的收益。因此为了收益最大化,我们列出如下的转移方程:
再来考虑dp[i][1],按照同样的方式考虑转移状态,那么可能的转移状态为前一天已经持有一支股票,或者前一天结束时还没有股票,这时候我们要将其买入,并减少的收益。可以列出如下的转移方程:
3.代码
3.1题目一:买卖股票的最佳时机 II
Java代码详细注释
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int [][] result = new int[n][2];
result[0][0] = 0;//定义状态 \textit{dp}[i][0]dp[i][0] 表示第 ii 天交易完后手里没有股票的最大利润
result[0][1] = -prices[0];//\textit{dp}[i][1]dp[i][1] 表示第 ii 天交易完后手里持有一支股票的最大利润(ii 从 00 开始)。
for (int i = 1; i < n; ++i) {
result[i][0] = Math.max(result[i - 1][0], result[i - 1][1] + prices[i]);
result[i][1] = Math.max(result[i - 1][1], result[i - 1][0] - prices[i]);
}
return result[n-1][0];
}
}
3.2题目二:买卖股票的最佳时机含手续费
Java代码详细注释
class Solution {
public int maxProfit(int[] prices, int fee) {
//常见的动态规划的题目
int n = prices.length;//求整数数组的长度
int[][] dp = new int[n][2];//二维的动态数组dp[i][0]表示当前手里没有股票的最大利润,dp[i][1]表示当前手里有股票的最大利润
dp[0][0] = 0;//起始的没有股票的利润为0
dp[0][1] = -prices[0];//第一支股票的价格
for (int i = 1; i < n; ++i) {
//状态转移方程,dp[i][0]当前手里没有股票,那么当前的股票最大值是前一天手里无股票和前一天手里有股票并卖出去的利润
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);
//状态转移方程,dp[i][1]当前手里有股票,那么当前的股票最大值是前一天手里有股票和前一天手里没有股票但是买了股票的利润
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
}
return dp[n - 1][0];
}
}
三、总结
动态规划的题目在我们生活还是比较常见的,另外在我们找工作笔试和面试中也是出现频率比较高的,所以大家一定要多多练习哦!
记录时间:2020年12月17日