买卖股票的最佳时机
链接: 121. 买卖股票的最佳时机
思路
不要急着否定自己的思路
可能不完全正确,但是有可取之处
本题肯定是要取最大差值
贪心算法
具体思想是找一个比较小的数,然后向右遍历,再找到一个右边使之差值最大的数
所以本题在遍历过程中,一边找最左最小的价格,一遍向右遍历找区间最大差值即最大利润\
动态规划
与打劫III有异曲同工之处,每个元素分成了两种状态,持有和不持有
- 确定dp数组(dp table)以及下标的含义
dp[i][0] 表示第i天持有股票所得最多现金 ,这里可能有同学疑惑,本题中只能买卖一次,持有股票之后哪还有现金呢?
其实一开始现金是0,那么加入第i天买入股票现金就是 -prices[i], 这是一个负数。
dp[i][1] 表示第i天不持有股票所得最多现金
注意这里说的是“持有”,“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
很多同学把“持有”和“买入”没区分清楚。
在下面递推公式分析中,我会进一步讲解。
- 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,所得现金就是买入今天的股票后所得现金即:-prices[i]
那么dp[i][0]应该选所得现金最大的,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现金 即:dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金即: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]);
这样递推公式我们就分析完了
- dp数组如何初始化
由递推公式 dp[i][0] = max(dp[i - 1][0], -prices[i]); 和 dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);可以看出
其基础都是要从dp[0][0]和dp[0][1]推导出来。
那么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,不持有股票那么现金就是0,所以dp[0][1] = 0;
- 确定遍历顺序
从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的,那么一定是从前向后遍历。
- 举例推导dp数组
代码
//贪心算法
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 1) return 0;
int low = Integer.MAX_VALUE;
int result = 0;
// 取最左最小价格
// 取区间最大利润
for (int i = 0;i < prices.length;i++){
low = Math.min(low,prices[i]);
result = Math.max(result,prices[i] - low);
}
return result;
}
}
//动态规划
// 解法1
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];
}
}
//解法二
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[2];
// 记录一次交易,一次交易有买入卖出两种状态
// 0代表持有,1代表卖出
dp[0] = -prices[0];
dp[1] = 0;
// 可以参考斐波那契问题的优化方式
// 我们从 i=1 开始遍历数组,一共有 prices.length 天,
// 所以是 i<=prices.length
for (int i = 1; i <= prices.length; i++) {
// 前一天持有;或当天买入
dp[0] = Math.max(dp[0], -prices[i - 1]);
// 如果 dp[0] 被更新,那么 dp[1] 肯定会被更新为正数的 dp[1]
// 而不是 dp[0]+prices[i-1]==0 的0,
// 所以这里使用会改变的dp[0]也是可以的
// 当然 dp[1] 初始值为 0 ,被更新成 0 也没影响
// 前一天卖出;或当天卖出, 当天要卖出,得前一天持有才行
dp[1] = Math.max(dp[1], dp[0] + prices[i - 1]);
}
return dp[1];
}
}
买卖股票的最佳时机II
链接: 122.买卖股票的最佳时机II
思路
贪心算法
贪心算法里面做过了
因为不止可以买卖一次,求最大利润
在遍历中,相邻两个元素差值大于0 的都相加
代码
//贪心算法
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 1) return 0;
int result = 0;
for (int i = 1;i < prices.length;i++){
if (prices[i] - prices[i - 1] > 0){
result += (prices[i] - prices[i - 1]);
}
}
return result;
}
}
//动态规划
// 0:未持有股票,1:持有股票
class Solution
// 实现1:二维数组存储
// 可以将每天持有与否的情况分别用 dp[i][0] 和 dp[i][1] 来进行存储
// 时间复杂度:O(n),空间复杂度:O(n)
public int maxProfit(int[] prices) {
int n = prices.length;
int[][] dp = new int[n][2]; // 创建二维数组存储状态
dp[0][0] = 0; // 初始状态
dp[0][1] = -prices[0];
for (int i = 1; i < n; ++i) {
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]); // 第 i 天,没有股票
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]); // 第 i 天,持有股票
}
return dp[n - 1][0]; // 卖出股票收益高于持有股票收益,因此取[0]
}
}
//优化空间:一位滚动数组
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[2];
// 0表示未持有,1表示持有
dp[0] = 0;
dp[1] = -prices[0];
for(int i = 1; i <= prices.length; i++){
// 前一天持有; 既然不限制交易次数,那么再次买股票时,要加上之前的收益
dp[1] = Math.max(dp[1], dp[0] - prices[i-1]);
// 前一天卖出; 或当天卖出,当天卖出,得先持有
dp[0] = Math.max(dp[0], dp[1] + prices[i-1]);
}
return dp[0];
}
}
买卖股票的最佳时机III
链接: 123.买卖股票的最佳时机III
思路
因为最多两次,我的思路很简单直白,找一个地方设置while循环,小于等于2即可,但是无法判定卖出买入
本题还是按二维数组,第二个维度代表状态
具体含义见代码注释吧
然后递推公式很自然地写了出来
自己在这方面出了个错,是因为自己在复制代码后,修改复制的代码没修改完,把“+”写成了“-”
但在自己思路里这是对的,所以检查时总是再三忽略。
清空自己的思维,一步步思考
代码
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 1) return 0;
// 含义:dp[i][0] 第i天持有股票的状态是未进行操作
// dp[i][1] 第i天持有股票的状态是第一次买入
// dp[i][2] 第i天持有股票的状态是第一次卖出
// dp[i][3] 第i天持有股票的状态是第二次买入
// dp[i][4] 第i天持有股票的状态是第二次卖出
int[][] dp = new int[prices.length][5];
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for (int i = 1;i < prices.length;i++){
dp[i][1] = Math.max(dp[i - 1][1], - prices[i]);
dp[i][2] = Math.max(dp[i - 1][2],dp[i - 1][1] + prices[i]);
dp[i][3] = Math.max(dp[i - 1][3],dp[i - 1][2] - prices[i]);
dp[i][4] = Math.max(dp[i - 1][4],dp[i - 1][3] + prices[i]);
}
return Math.max(dp[prices.length - 1][2],dp[prices.length - 1][4]);
}
}
// 一位滚动数组,不断覆盖
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 1) return 0;
int[] dp = new int[4];
// dp[0]代表第一次买入
// dp[1]代表第一次卖出
// dp[2]代表第二次买入
// dp[3]代表第二次卖出
dp[0] = - prices[0];
dp[1] = 0;
dp[2] = -prices[0];
dp[3] = 0;
for (int i = 0;i < prices.length;i++){
dp[0] = Math.max(dp[0],-prices[i]);
dp[1] = Math.max(dp[1],dp[0] + prices[i]);
dp[2] = Math.max(dp[2],dp[1] - prices[i]);
dp[3] = Math.max(dp[3],dp[2] + prices[i]);
}
return dp[3];
}
}
买卖股票的最佳时机IV
链接: 188.买卖股票的最佳时机IV
思路
本题思路与买卖股票III基本一致
观察买卖股票III,我们知道奇数为买入,偶数为卖出
然后由此写递推公式
一些赋值和循环时的边界条件要注意
还有一点是,在代码的世界里面没有2k+1这种说法
需要2*k + 1
代码
class Solution {
public int maxProfit(int k, int[] prices) {
if (prices.length == 0 || prices.length == 1){
return 0;
}
int len = prices.length;
// 奇数是买入 偶数是卖出
int[][] dp = new int[len][2*k + 1];
for (int j = 1;j <= k;j++){
dp[0][2*j - 1] = -prices[0];
dp[0][2*j] = 0;
}
for (int i = 1;i < len;i++){
for (int j = 1;j <= k;j++){
dp[i][2*j - 1] = Math.max(dp[i - 1][2*j - 1],dp[i - 1][2*j - 2] - prices[i]);
dp[i][2*j] = Math.max(dp[i - 1][2*j],dp[i - 1][2*j - 1] + prices[i]);
}
}
return dp[len - 1][2*k];
}
}
// 一位滚动数组
//版本三:一维 dp数组
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices.length == 0){
return 0;
}
if(k == 0){
return 0;
}
// 其实就是123题的扩展,123题只用记录2次交易的状态
// 这里记录k次交易的状态就行了
// 每次交易都有买入,卖出两个状态,所以要乘 2
int[] dp = new int[2 * k];
// 按123题解题格式那样,做一个初始化
for(int i = 0; i < dp.length / 2; i++){
dp[i * 2] = -prices[0];
}
for(int i = 1; i <= prices.length; i++){
dp[0] = Math.max(dp[0], -prices[i - 1]);
dp[1] = Math.max(dp[1], dp[0] + prices[i - 1]);
// 还是与123题一样,与123题对照来看
// 就很容易啦
for(int j = 2; j < dp.length; j += 2){
dp[j] = Math.max(dp[j], dp[j - 1] - prices[i-1]);
dp[j + 1] = Math.max(dp[j + 1], dp[j] + prices[i - 1]);
}
}
// 返回最后一次交易卖出状态的结果就行了
return dp[dp.length - 1];
}
}
最佳买卖股票实时机含冷冻期
链接: 309.最佳买卖股票时机含冷冻期
思路
本题主要是区分状态
具体可以区分出如下四个状态:
- 状态一0:持有股票状态(今天买入股票,或者是之前就买入了股票然后没有操作,一直持有)
- 不持有股票状态,这里就有两种卖出股票状态
- 状态二1:保持卖出股票的状态(两天前就卖出了股票,度过一天冷冻期。或者是前一天就是卖出股票状态,一直没操作)
- 状态三2:今天卖出股票
- 状态四3:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
代码
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 1) return 0;
// dp[i][0] 第i天状态:买入
// dp[i][1] 第i天状态:卖出股票状态 且无冷冻期
// dp[i][2] 第i天状态:今天卖出股票
// dp[i][3] 第i天状态:冷冻期 不可持续只有一天
int[][] dp = new int[prices.length][4];
dp[0][0] = -prices[0];
for (int i = 1;i < prices.length;i++){
dp[i][0] = max(dp[i - 1][0],dp[i - 1][1] - prices[i],dp[i - 1][3] - prices[i]);
dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][3]);
// dp[i][2] = Math.max(dp[i - 1][0] + prices[i]);
dp[i][2] = dp[i - 1][0] + prices[i];
dp[i][3] = dp[i - 1][2];
}
return max(dp[prices.length - 1][1],dp[prices.length - 1][2],dp[prices.length - 1][3]);
}
int max(int a,int b,int c){
int d = Math.max(a,b);
return Math.max(d,c);
}
}
Math.max()只能比较两个值,所以定义了max函数
买卖股票的最佳时机含手续费
思路
思路与多次买卖一支股票差不多
只是在卖出时需要扣掉手续费
大胆做,加油!
代码
class Solution {
public int maxProfit(int[] prices, int fee) {
if (prices.length == 1) return 0;
// dp[i][0] 第i天是买入的状态
// dp [i][1] 第i天是卖出的状态
int[][] dp = new int[prices.length][2];
dp[0][0] = -prices[0];
// 自己也在写这个时纠结,如果不是最大,其实没必要买入卖出了
// dp[0][1] = -fee;
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][1] = Math.max(dp[i - 1][1],dp[i - 1][0] + prices[i] -fee);
}
return dp[prices.length - 1][1];
}
}