第五十天|dp

最新推荐文章于 2024-10-13 16:52:53 发布

celestialzzzzzzzz

最新推荐文章于 2024-10-13 16:52:53 发布

阅读量49

点赞数

文章标签：动态规划算法 python leetcode 数据结构

本文链接：https://blog.csdn.net/weixin_43880126/article/details/130470864

版权

文章介绍了使用动态规划解决股票交易问题的两种情况，即BestTimeToBuyAndSellStockIII和BestTimeToBuyAndSellStockIV。关键在于设置多个dp数组来表示不同的交易状态，如无操作、买入、卖出等。在状态转移过程中，根据买卖操作更新最大利润。初始值设定考虑了购买股票需要花费成本。对于更复杂的情况，如多次交易，需要更多的状态和循环遍历。

摘要由CSDN通过智能技术生成

今天的还是buy&sale的dp问题,但是需要设置更多的dp的数组了,也就意味着更多的状态转换了

123. Best Time to Buy and Sell Stock III

这道题的关键点在于可以弄两次,那就需要五个dp数组了,分别表示:没有操作,第一次买,第一次卖出,第二次买,第二次卖出

那这五个状态都和上一个状态有关的,差别在于,在取最大值的时候是要+price[i]还是-price[i].很显然对于买来说那就是减,对于卖来说那就是要加.

对于初值来说,买是要赋值-price[0]的,原因和之前的121题是一样的,因为要买,那是要花钱的

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp=[[0]*5 for _ in range(len(prices))]
        dp[0][1]=-prices[0]
        dp[0][3]=-prices[0]
        for i in range(1,len(prices)):
            dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i])
            dp[i][2]=max(dp[i-1][2],dp[i-1][1]+prices[i])
            dp[i][3]=max(dp[i-1][3],dp[i-1][2]-prices[i])
            dp[i][4]=max(dp[i-1][4],dp[i-1][3]+prices[i])
        return dp[-1][4]

188. Best Time to Buy and Sell Stock IV

这道题和上面的题是一样的,只不过变成了2*k+1个状态了.算dp的过程中还要多一个for循环来遍历状态,其他的都没有变化.初值还是奇数是买所以是-price[0]

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        dp=[[0]*(2*k+1) for _ in range(len(prices))]
        for i in range(1,2*k,2):
            dp[0][i]=-prices[0]
        for i in range(1,len(prices)):
            for j in range(1,2*k+1,2):
                dp[i][j]=max(dp[i-1][j],dp[i-1][j-1]-prices[i])
                dp[i][j+1]=max(dp[i-1][j+1],dp[i-1][j]+prices[i])
            
        return dp[-1][2*k]