leetcode309. 最佳买卖股票时机含冷冻期

最新推荐文章于 2024-09-13 16:27:15 发布

996冲冲冲

最新推荐文章于 2024-09-13 16:27:15 发布

阅读量302

点赞数

分类专栏：动态规划文章标签：动态规划算法

本文链接：https://blog.csdn.net/weixin_44392348/article/details/129017420

版权

动态规划专栏收录该内容

39 篇文章 0 订阅

订阅专栏

文章介绍了如何使用动态规划算法解决有冷静期限制的股票交易问题，通过建立二维数组dp或f来表示不同状态下的最大收益，考虑是否持有股票和是否在冷静期内，通过状态转移方程进行计算，以找到最大利润。两种方法分别针对不同状态进行了详细解释。

摘要由CSDN通过智能技术生成

动态规划
dp定义为第i天是否持有股票的最大收益,由于存在冷静期买入要发生在前两天且不持有的状态下
所以base case是dp[0][0] = 0 dp[0][1] = -price[i]
dp[1][0] = max(dp[0][1]+price[i],dp[0][0])
dp[1][1] = max(dp[0][1], dp[0][0]-price[i])
转移：
dp[i][0] = max(dp[i-1][1]+prices[i],dp[i-1][0])
dp[i][1] = max(dp[i-1][1],dp[i-2][0]-prices[i]) #上上轮没持有才能买，或者上一轮持有不卖

def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """
        #dp定义为第i天是否持有股票的最大收益,由于存在冷静期买入要发生在前两天且不持有的状态下
        #所以base case是dp[0][0] = 0 dp[0][1] = -price[i]
        #dp[1][0] = max(dp[0][1]+price[i],dp[0][0])
        #dp[1][1] = max(dp[0][1], dp[0][0]-price[i]) 
        n = len(prices)
        dp = [[0]*2 for i in range(n)]
        dp[0][0] = 0 
        dp[0][1] = -prices[0]
        if n > 1:
            dp[1][0] = max(dp[0][1]+prices[1],dp[0][0])
            dp[1][1] = max(dp[0][1], dp[0][0]-prices[1]) 
        for i in range(2,n):
            dp[i][0] = max(dp[i-1][1]+prices[i],dp[i-1][0])
            dp[i][1] = max(dp[i-1][1],dp[i-2][0]-prices[i])
        return dp[n-1][0]

还可以分成四种状态：根据是否冷冻，是否持有划分

持有在冷冻期（不存在）2. 持有
非持有在冷冻期 4. 非持有在非冷冻期
所以存在三种
f[i][0] = max(f[i - 1][0], f[i - 1][2] - prices[i]) 持有可以从上一轮持有非冷冻期，上一轮非持有在非冷冻期转移
f[i][1] = f[i - 1][0] + prices[i] 非持有在冷冻期
f[i][2] = max(f[i - 1][1], f[i - 1][2]) 非持有在非冷冻期

def maxProfit(self, prices: List[int]) -> int:
        if not prices:
            return 0
        
        n = len(prices)
        # f[i][0]: 手上持有股票的最大收益
        # f[i][1]: 手上不持有股票，并且处于冷冻期中的累计最大收益
        # f[i][2]: 手上不持有股票，并且不在冷冻期中的累计最大收益
        f = [[-prices[0], 0, 0]] + [[0] * 3 for _ in range(n - 1)]
        for i in range(1, n):
            f[i][0] = max(f[i - 1][0], f[i - 1][2] - prices[i])
            f[i][1] = f[i - 1][0] + prices[i]
            f[i][2] = max(f[i - 1][1], f[i - 1][2])
        
        return max(f[n - 1][1], f[n - 1][2])