714. 买卖股票的最佳时机含手续费
题目来源:力扣(LeetCode)https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/
题目
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.
注意:
0 < prices.length <= 50000
.0 < prices[i] < 50000
.0 <= fee < 50000
.
解题思路
思路:动态规划
这道题中,在相似题目也可以看到。该题跟 【122. 买卖股票的最佳时机 II(动态规划、贪心)】 相似,但是这道题中多出了限制条件,也就是【交易含手续费】。
回到本题,题目中给定的整数数组 p r i c e s prices prices,其中第 i i i 个元素表示给定股票第 i i i 天的价格。其中非负整数 f e e fee fee 表示交易股票的手续费,要求获得最大的利润。
进行交易时,可以多次交易,但每次交易都需要手续费。若交易的过程中持有股票时,不能够再次购买,必须先卖出,也就是不能同时参与多笔交易。这里注意,手续费在一笔交易的整个过程中,只需要 支付一次。这里约定在交易卖出的时候支付手续费。
动态规划
因为【无法同时参与多笔交易】,那么当天交易持有股票的状态,要么是 0 0 0 只,要么是 1 1 1 只。这里我们用动态规划的方法来解决。
状态定义
设 d p [ i ] [ 0 ] dp[i][0] dp[i][0] 表示第 i i i 天交易完成后手中不持有股票时的最大利润;
设 d p [ i ] [ 1 ] dp[i][1] dp[i][1] 表示第 i i i 天交易完成后持有一只股票时的最大利润。
状态转移
d p [ i ] [ 0 ] dp[i][0] dp[i][0] 表示第 i i i 天交易完成后手中不持有股票时的最大利润,这里可能的情况如下:
- 第 i − 1 i-1 i−1 天不持有股票,第 i i i 天无交易发生;
- 第 i − 1 i-1 i−1 天持有股票,第 i i i 天将其交易卖出,获取利润。
那么此时的转移方程如下(注意交易含有手续费):
d
p
[
i
]
[
0
]
=
m
a
x
(
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
+
p
r
i
c
e
s
[
i
]
−
f
e
e
)
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i] - fee)
dp[i][0]=max(dp[i−1][0],dp[i−1][1]+prices[i]−fee)
同样,
d
p
[
i
]
[
1
]
dp[i][1]
dp[i][1] 表示第
i
i
i 天交易完成后持有一只股票时的最大利润,可能情况如下:
- 第 i − 1 i-1 i−1 天持有股票,第 i i i 天无交易发生;
- 第 i − 1 i-1 i−1 天不持有股票,第 i i i 天交易买入股票。
此时的转移方程如下:
d
p
[
i
]
[
1
]
=
m
a
x
(
d
p
[
i
−
1
]
[
1
]
,
d
p
[
i
−
1
]
[
0
]
−
p
r
i
c
e
s
[
i
]
)
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i])
状态初始化
第一天交易,可选择不交易或者买入股票,那么此时的对应的状态值:
- d p [ 0 ] [ 0 ] = 0 dp[0][0] = 0 dp[0][0]=0;
- d p [ 0 ] [ 1 ] = − p r i c e s [ 0 ] dp[0][1]=-prices[0] dp[0][1]=−prices[0]。
s i z e size size 表示数组的长度。
现在从第一天开始计算,这里最终返回的最大利润应该是 d p [ s i z e − 1 ] [ 0 ] dp[size-1][0] dp[size−1][0]。
因为交易购买股票时,需要先垫付金额。那么 d p [ s i z e − 1 ] [ 1 ] dp[size-1][1] dp[size−1][1] 对应的值一定要小于 d p [ s i z e − 1 ] [ 0 ] dp[size-1][0] dp[size−1][0] 的。所以最终应该求 d p [ s i z e − 1 ] [ 0 ] dp[size-1][0] dp[size−1][0]。
具体的代码实现如下。
class Solution:
def maxProfit(self, prices: List[int], fee: int) -> int:
size = len(prices)
# 定义数组
dp = [[0, 0] for _ in range(size)]
# 状态初始化
dp[0][0] = 0
dp[0][1] = -prices[0]
# 开始计算
for i in range(1, size):
# 状态转移
dp[i][0] = max(dp[i-1][0], dp[i-1][1]+prices[i]-fee)
dp[i][1] = max(dp[i-1][1], dp[i-1][0]-prices[i])
return dp[size-1][0]
动态规划(空间优化)
上面的方法中,我们可以看到,当天的状态值只与前一天的状态值相关。从这里进行优化,进行降维。代码实现如下。
class Solution:
def maxProfit(self, prices: List[int], fee: int) -> int:
size = len(prices)
dp = [0, -prices[0]]
for i in range(1, size):
# 其中 dp[1] 需要用到前一天 dp[0] 的值,但 dp[0] 会先变化,这里 tmp 先进行暂存
tmp = dp[0]
dp[0] = max(dp[0], dp[1]+prices[i]-fee)
dp[1] = max(dp[1], tmp-prices[i])
return dp[0]
欢迎关注
公众号 【书所集录】
如有错误,烦请指出,欢迎指点交流。如果觉得写得还可以,麻烦点个赞,谢谢。