动态规划之股票买卖系列问题

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：

1. 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]
2. 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：

1. 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]
2. 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

1. 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]
2. 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：

1. 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]
2. 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) {