LeetCode24——股票投资问题

最新推荐文章于 2022-07-05 18:24:26 发布

取个程序猿的名字

最新推荐文章于 2022-07-05 18:24:26 发布

阅读量256

点赞数

分类专栏： Leetcode1 文章标签： LeetCode

本文链接：https://blog.csdn.net/weixin_45680007/article/details/102793912

版权

这篇博客探讨了一系列关于股票投资的动态规划问题，包括不同买卖限制下的最大利润计算。涉及的动态规划状态转移方程包括：k=1、k=n、有冷冻期、卖出手续费、k=2及k任意次数的情况。对于每个问题，博主提供了详细的解题思路和简化过程。

摘要由CSDN通过智能技术生成

股票投资问题

这是要一个系列的动态规划问题
dp[i][k][j]:其中i代表第几天【0-N】，k代表可以买卖股票的次数[0-K]，j代表当天是否持有股票[0,1] dp为最大的利润
因为动态规划肯定是转移方程，所以我们有
dp[i][k][0]=max{dp[i-1][k][0],dp[i-1][k][1]+prices[i]}
dp[i][k][1]=max{dp[i-1][k][1],dp[i-1][k][0]-prices[i]}
再看看基础情况
1:如果没有买卖次数，肯定值为0：dp[i][0][j]=0
2:在第1天【I=0】的时候:
如果选择购买股票，则，
dp[0][k][1]=-prices[i]
如果选择不购买股票，则
dp[0][k][0]=0
接下来就解答题目：

题目一：k=1

dp[i][1][0]=max{dp[i-1][1][0],dp[i-1][1][1]+prices[i]}
dp[i][1][1]=max{dp[i-1][1][1],dp[i-1][0][0]-prices[i]}
因为dp[i-1][0][0]=0，又因为上述式中k全为1，可简化为：
dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] + prices[i]);
dp[i][1] = Math.max(dp[i-1][1], -prices[i]);
得到答案：

class Solution {
    public int maxProfit(int[] prices) {
        int [][]dp=new int [prices.length][2];
        if(prices.length==0)return 0;
        dp[0][0]=0;
        dp[0][1]=-prices[0];
        for(int i=1;i<prices.length;i++){
             dp[i][0] = Math.max(dp[i-1][0], dp[i-1][1] + prices[i]);
             dp[i