文章目录
动态规划问题还有一系列股票买卖的经典问题。在这里进行汇总学习。
一、股票买卖系列问题
121. 买卖股票的最佳时机:股票只能买卖一次。
122. 买卖股票的最佳时机 II:股票可以多次买卖。
123. 买卖股票的最佳时机 III:股票最多买卖两次。
188. 买卖股票的最佳时机 IV:股票最多买卖k次。
309. 最佳买卖股票时机含冷冻期:买卖多次,卖出有1天的冷冻期。
714. 买卖股票的最佳时机含手续费:买卖多次,每次有手续费。
股票买卖系列问题从买买一次到买卖多次,从最多买卖两次到最多买卖k次,从冷冻期再到手续费涵盖多种情况,通过各种情况的处理可以对动态规划有更充分的认识。(同时有的题目贪心算法求解更为简单也会附上相关解法。)
二、leetcode例题讲解股票买卖系列问题
121. 买卖股票的最佳时机
leetcode题目链接:121. 买卖股票的最佳时机
给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。
示例一:
输入:[7,1,5,3,6,4]
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。
示例二:
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0。
解题思路:
1.确定dp数组(dp table)以及下标的含义
dp[i][0]
表示第i天持有股票所得最大利润。
其实一开始利润是0,那么加入第i天买入股票利润就是 -prices[i], 这是一个负数。
dp[i][1]
表示第i天不持有股票所得最大利润。
“持有”不代表就是当天“买入”!也有可能是昨天就买入了,今天保持持有的状态。
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,所得利润就是昨天持有股票的所得利润 即:
dp[i - 1][0]
- 第i天买入股票,所得利润就是买入今天的股票后所得利润即:
-prices[i]
那么dp[i][0]应该选所得利润最大的,所以dp[i][0] = max(dp[i - 1][0], -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利润 即:
dp[i - 1][1]
- 第i天卖出股票,所得利润就是按照今天股票佳价格卖出后所得利润即:
prices[i] + dp[i - 1][0]
同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
3.dp数组如何初始化
dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能有前一天推出来,所以dp[0][0] = -prices[0];
dp[0][1]表示第0天不持有股票,不持有股票那么利润就是0,所以dp[0][1] = 0
;
4.确定遍历顺序
从递推公式可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
5.举例推导DP数组
省略。
Java实现代码:
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) return 0;
int length = prices.length;
// dp[i][0]代表第i天持有股票的最大收益
// dp[i][1]代表第i天不持有股票的最大收益
int[][] dp = new int[length][2];
int result = 0;
dp[0][0] = -prices[0];
dp[0][1] = 0;
for (int i = 1; i < length; i++) {
dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);
dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]);
}
return dp[length - 1][1];
}
}
这里介绍一下贪心算法:
计算更新前i-1最低价格,计算最大利润。
class Solution {
public int maxProfit(int[] prices) {
int profit = 0, cost = Integer.MAX_VALUE;
// profit 更新最大利润, cost更新前i-1最低价格
for(int price : prices){
cost = Math.min(cost, price);
profit = Math.max(profit, price - cost);
}
return profit;
}
}
122. 买卖股票的最佳时机 II
leetcode题目链接:122. 买卖股票的最佳时机 II
给定一个数组 prices ,其中 prices[i] 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)。
示例一:
输入: prices = [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 。
示例二:
输入: prices = [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。
示例三:
输入: prices = [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
解题思路:
1.确定dp数组(dp table)以及下标的含义
dp[i][0]
表示第i天持有股票所得最大利润。
dp[i][1]
表示第i天不持有股票所得最大利润。
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,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:dp[i - 1][1] - prices[i]
注:这里是与上一题唯一不同的地方,就是推导dp[i][0]的时候,第i天买入股票的情况。
在上一题中,因为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 -prices[i]。
而本题,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,所持有的利润可能有之前买卖过的利润。
那么第i天持有股票即dp[i][0],如果是第i天买入股票,所得现金就是昨天不持有股票的所得利润 减去 今天的股票价格 即:dp[i - 1][1] - prices[i]
。
如果第i天不持有股票即dp[i][1], 还和之前相同,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利润 即:
dp[i - 1][1]
- 第i天卖出股票,所得利润就是按照今天股票佳价格卖出后所得利润即:
prices[i] + dp[i - 1][0]
同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
3.dp数组如何初始化
dp[0][0]表示第0天持有股票,此时的持有股票就一定是买入股票了,因为不可能有前一天推出来,所以dp[0][0] = -prices[0];
dp[0][1]表示第0天不持有股票,不持有股票那么利润就是0,所以dp[0][1] = 0
;
4.确定遍历顺序
从递推公式可以看出dp[i]都是有dp[i - 1]推导出来的,那么一定是从前向后遍历。
5.举例推导DP数组
省略。
Java实现代码:
class Solution {
public int maxProfit(int[] prices) {