买卖股票的最佳时机
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/
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 1:
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 2:
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。
思路
- 定义一个现金的概念,即当前手中还有多少钱,初始值为0
对于每天分类讨论即可
分五步走:
- 确定dp数组及其下标含义:dp[i][0] 代表第 i 天手中持有股票现金数,dp[i][1] 代表第 i 天手中不持有股票现金数
- 推导dp数组:
今天持有股票dp[i][0]
昨天持有股票,今天不买股票,现金数为昨天的dp[i][0] = dp[i - 1][0]
今天买入股票,因为只能买入一次股票,所以现金为,今天股票的价格dp[i][0] = -prices[i]
今天不持有股票dp[i][1]
昨天就不持有股票,今天不买股票,dp[i][1] = dp[i - 1][1]
昨天持有股票,今天卖出股票,dp[i]][1] = dp[i - 1][0] + prices[i]
最大收益,所以取最大值,即
dp[i][0] = max(dp[i - 1][0], -prices[i])
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])
- 初始化:
dp[0][0] = -prices[i]
dp[0][1] = 0
- 遍历顺序:i 从小往大
- 举例推导dp数组:最大利润一定是卖出股票的现金数,所以输出
dp[prices.length - 1][1]
代码
public int maxProfit(int[] prices) {
int[][] dp = new int[prices.length + 1][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < prices.length; i++) {
dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);//股票还在
dp[i][1] = Math.max(dp[i - 1][1], prices[i] + dp[i - 1][0]);//股票没了
}
return dp[prices.length - 1][1];
}
由于此题每次股票的价格只依赖前一天的价格,所以可以存储前一天的信息,简化成一维dp
public int maxProfit(int[] prices) {
int[] dp = new int[2];
dp[0] = -prices[0];
dp[1] = 0;
for(int i = 1; i < prices.length; i++) {
int pre0 = dp[0];
int pre1 = dp[1];
dp[0] = Math.max(pre0, -prices[i]);//股票还在
dp[1] = Math.max(pre1, prices[i] + pre0);
}
return dp[1];
}
买卖股票的最佳时机 II
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/
在股票I 中添加一个条件,可以重复多次购买股票,不过每次购买之前都要先卖出手中的股票
思路
由于可以多次购买股票,所以当今天买入股票时,应该加上上一次没买股票时的现金,因为要加上已经交易过赚得的现金
与上一题不同之处只有推导公式,今天持有股票时,如果是今天买入股票,dp方程应该是
dp[i][0] = dp[i - 1][1] - prices[i]
代码
public int maxProfit(int[] prices) {
int[][] dp = new int[2][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < prices.length; i++) {
dp[i % 2][0] = Math.max(dp[(i - 1) % 2][0], dp[(i - 1) % 2][1] - prices[i]);//要加上前一次不持股的现金数
dp[i % 2][1] = Math.max(dp[(i - 1) % 2][1], dp[(i - 1) % 2][0] + prices[i]);
}
return dp[(prices.length-1) % 2][1];
}
当然,此题也可以优化成一维dp
public int maxProfit(int[] prices) {
int[] dp = new int[2];
dp[0] = -prices[0];
dp[1] = 0;
for(int i = 1; i < prices.length; i++) {
int pre0 = dp[0];
int pre1 = dp[1];
dp[0] = Math.max(pre0, dp[1] - prices[i]);
dp[1] = Math.max(pre1, dp[0] + prices[i]);
}
return dp[1];
}
买卖股票的最佳时机 III
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii/
此题在前两题的基础上,规定了只能卖出股票两次
思路
我们可以想到,手上的现金数只可能有五种情况
0 没有操作
1 第一次买入
2 第一次卖出
3 第二次买入
4 第二次卖出
进而推导出dp
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] - 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]);
代码
public int maxProfit(int[] prices) {
int[][] dp = new int[prices.length + 1][5];
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for(int i = 1; i < prices.length; i++) {
dp[i][0] = dp[i-1][0];
dp[i][1] = Math.max(dp[i-1][1], dp[i-1][0] - 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 dp[prices.length - 1][4];
}
优化成一维
public int maxProfit(int[] prices) {
int[] dp = new int[5];
dp[1] = -prices[0];
dp[3] = -prices[0];
for(int i = 1; i < prices.length; i++) {
int pre0 = dp[0];
int pre1 = dp[1];
int pre2 = dp[2];
int pre3 = dp[3];
int pre4 = dp[4];
dp[0] = pre0;
dp[1] = Math.max(pre1, dp[0] - prices[i]);
dp[2] = Math.max(pre2, dp[1] + prices[i]);
dp[3] = Math.max(pre3, dp[2] - prices[i]);
dp[4] = Math.max(pre4, dp[3] + prices[i]);
}
return dp[4];
}
买卖股票的最佳时机 IV
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv/
最多完成k笔交易
思路
可以观察上一题,发现,k为偶数时+prices[i] ,k为奇数时-prices[i]
初始化dp时,k为奇数,dp[0][k] = -prices[0]
代码
public int maxProfit(int k, int[] prices) {
int[][] dp = new int[prices.length + 1][k * 2 + 1];
if(prices.length == 0) return 0;
for(int i = 1; i <= 2 * k; i += 2) {
dp[0][i] = -prices[0];
}
for(int i = 1; i < prices.length; i++) {
dp[i][0] = dp[i-1][0];
for(int j = 1; j < 2 * k; j += 2) {
dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j - 1] - prices[i]);
dp[i][j+1] = Math.max(dp[i-1][j+1], dp[i-1][j + 1 - 1] + prices[i]);
}
}
return dp[prices.length - 1][k * 2];
}
最佳买卖股票时机含冷冻期
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown/
在可以多次购买股票的基础上,增加了一天的冷冻期,即卖出股票后的第一天不能买入股票
思路
本题增加了一个冷冻期,所以dp数组也应该增加一个冷冻期状态
所以状态划分为:
0 买入股票状态(今天买入了股票,或者之前就买入了股票)
卖出股票状态分为两种
1 前天就卖出了股票,度过了冷冻期,现在是卖出状态
2 今天卖出
3 冷冻期状态
推导公式:
- 状态1:今天买入状态
- 昨天就已经是买入状态了,
dp[i][0] = dp[i - 1][0]
- 今天刚买入:
- 昨天是持续卖出状态2:
dp[i][0] = dp[i - 1][1] - prices[i]
- 昨天是冷冻期:
dp[i][0] = dp[i - 1][3] - prices[i]
取最大值
- 昨天是持续卖出状态2:
- 昨天就已经是买入状态了,
- 状态2:度过了冷冻期的卖出状态
- 前一天是度过了冷冻期的卖出状态:
dp[i][1] = dp[i - 1][1]
- 前一天是冷冻期:
dp[i][1] = dp[i - 1][3]
- 前一天是度过了冷冻期的卖出状态:
- 状态3:今天卖出:
- 只有一种情况,昨天一定是买入股票状态状态1:
dp[i][2] = dp[i - 1][0] + prices[i]
- 只有一种情况,昨天一定是买入股票状态状态1:
- 状态4:冷冻期状态
- 昨天卖出:
dp[i][3] = dp[i - 1][2]
- 昨天卖出:
代码
public int maxProfit(int[] prices) {
int n = prices.length;
if(n == 0) return 0;
int[][] dp = new int[n][4];
dp[0][0] = -prices[0];
for(int i = 1; i < n; i++) {
dp[i][0] = Math.max(dp[i - 1][0], Math.max(dp[i - 1][1], dp[i - 1][3]) - prices[i]);
dp[i][1] = Math.max(dp[i -1 ][3], dp[i - 1][1]);
dp[i][2] = dp[i - 1][0] + prices[i];
dp[i][3] = dp[i - 1][2];
}
return Math.max(dp[n - 1][1], Math.max(dp[n - 1][2], dp[n - 1][3]));
}
}
买卖股票的最佳时机含手续费
https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/
此题就在第二题的基础上加上了手续费,其实本质还是一样
思路
只需要在每次卖出股票的时候现金减去手续费即可
代码
public int maxProfit(int[] prices, int fee) {
int[] dp = new int[2];
dp[0] = -prices[0];
for(int i = 1; i < prices.length; i++) {
int pre0 = dp[0], pre1 = dp[1];
dp[0] = Math.max(pre0, pre1 - prices[i]);
dp[1] = Math.max(pre1, pre0 + prices[i] - fee);
}
return dp[1];
}
总结
- dp方程的每一项只需要上一项推导出来时,我们可以使用滚动数组来降低时间复杂度和空间复杂度
- 股票系列问题要明确一个现金的概念,和一个买卖的概念,围绕他展开分类讨论