动态规划之买卖股票的最佳时机

leetcode 121 买卖股票的最佳时机

定义dp数组：dp[i][0]表示第i天持有所能获取的最大金额；dp[i][1]表示第i天不持有（有可能是第i天卖出，也有可能是第i天之前就已经卖出了）所能获取的最大金额。
初始化dp数组：
dp[0][0]: -prices[0] (因为最开始就只有0元)
dp[0][1]: 0
递归公式：dp[i - 1][0] :表示第i - 1天就已经持有股票了；0-prices[i] : 表示第i天才持有股票
dp[i][0] = max(dp[i - 1][0], -prices[i])
dp[i - 1][1]:表示第i - 1天就没有持有股票了；dp[i][1] + prices[i]:表示第i天才没有持有股票
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])
遍历顺序：
从i = 1开始遍历prices数组，因为i = 0的情况已经被初始化了。
最后返回dp[prices.length - 1][1]。因为最后一天不持有股票的值一定大于持有。

解法一：暴力解法，会超时

    public int maxProfit(int[] prices) {
        if(prices.length == 1){
            return 0;
        }
        int profit = 0;
        for(int i = 0; i < prices.length - 1; i++){
            for(int j = i + 1; j < prices.length; j++){
                if(prices[j] - prices[i] > profit){
                    profit = prices[j] - prices[i];
                }
            }
        }
        return profit;
    }
}

解法二：动态规划

    public int maxProfit(int[] prices) {
        if(prices.length == 1){
            return 0;
        }
        //定义dp数组
        int[][] dp = new int[prices.length][2];
        //初始化dp数组
        dp[0][0] = -prices[0];//0代表持有股票
        dp[0][1] = 0;//1代表不持有股票
        //递推公式以及遍历顺序
        for(int i = 1; i < prices.length; i++){
            dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);
            dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);
        }
        return dp[prices.length - 1][1];
    }
}

leetcode 122 买卖股票最佳时期（2）

由于可以多次买卖，所以第i天买入股票时的本金不再是0了，而是dp[i - 1][1]。

    public int maxProfit(int[] prices) {
        //定义dp数组
        int[][] dp = new int[prices.length][2];
        //初始化dp
        dp[0][0] = -prices[0];//0表示持有股票
        dp[0][1] = 0;//1表示不持有股票
        //定义递推公式以及遍历顺序
        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]);
        }
        return dp[prices.length - 1][1];
    }
}

leetcode123 买卖股票的最佳时机（3）

1.定义dp数组：
dp[i][0]:表示不操作手里的现金
dp[i][1]:表示第一次持有后手里的现金
dp[i][2]:表示第一次不持有
dp[i][3]:表示第二次持有
dp[i][4]:表示第二次不持有
2.定义递推公式
dp[i][0] = dp[i - 1][0]
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])
dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i])
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i])
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i])
3.初始化dp数组
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;(这里可以理解为第0天当天买入又当天卖出)
dp[0][3] = -prices[0];(这里可以理解为当天再次买入)
dp[0][4] = 0;(这里可以理解为当天再次卖出)
4.定义遍历顺序
由于第0天已经初始化了，故从第1天开始遍历
5.最后只需要返回dp[prices.length - 1][4]即可。因为其已经包含了第一次卖出的情况。若第一次卖出就已经获得了最大值，则可以理解为在同一天又买入然后再卖出。
注意：空间复杂度的优化：只需要保存第i天以及第i - 1天这两天的状态即可。

    public int maxProfit(int[] prices) {
        //定义dp数组
        int[][] dp = new int[prices.length][5];
        //初始化
        dp[0][0] = 0;//表示不操作
        dp[0][1] = -prices[0];//表示买入
        dp[0][2] = 0;//表示卖出
        dp[0][3] = -prices[0];//表示买入
        dp[0][4] = 0;//表示卖出
        //递推公式以及遍历顺序
        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];
    }
}

leetcode 188 买卖股票的最佳时期（4）

本题相当于是对上一题的抽象化。
1.定义dp数组
dp[prices.length][2k + 1]
2.递推公式
利用for循环，设置循环变量j = 1；j < 2k; j += 2;(因为每一次都对应两个状态，一次买入一次卖出，故j每次要递增两次)。
其中需要定义两层for循环，dp数组的第一维表示第几天，第二维表示第几次持有与第几次不持有。
循环变量i从1开始，循环变量j从0开始
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i -1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
3.初始化
for(int j = 1; j < 2*k; j += 2)
{
dp[0][j] = -prices[0];
}
最后返回dp[prices.length - 1][2 * k]

    public int maxProfit(int k, int[] prices) {
        //定义dp数组
        int[][] dp = new int[prices.length][2 * k + 1];
        //初始化dp
        for(int j = 1; j < 2 * k; j += 2){
            dp[0][j] = -prices[0];
        }
        //定义递推公式以及遍历顺序
        for(int i = 1; i < prices.length; i++){
            for(int j = 0; j < 2 * k; j += 2){
                dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
                dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
            }
        }
        return dp[prices.length - 1][2 * k];
    }
}

leetcode 309 最佳买卖股票时机含冷冻期

1.定义dp数组
dp[i][0]:持有股票的状态
dp[i][1]:保持卖出股票的状态(第一种可能是前一天是冷冻期，第二种情况是前一天就已经是保持卖出股票的状态了)
dp[i][2]:卖出股票的状态（即冷冻期的前一天的状态）
dp[i][3]:冷冻期
2.递推公式
dp[i][0] = max(dp[i - 1][0], dp[i- 1][1] - prices[i], dp[i -1][3] - prices[i]);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]);
dp[i][2] = dp[i - 1][0] + prices[i]
dp[i][3] = dp[i - 1][2];
3.初始化dp数组
dp[0][0] = -prices[0];
其余的状态其实都是非法状态，这时我们从递推公式入手，来推导出其需要的初始值。
dp[0][1] = 0;
dp[0][2] = 0;
dp[0][3] = 0;
4.遍历顺序从前往后依次遍历，从第1天开始遍历。
5.最后返回dp[prices.length - 1][1], dp[prices.length - 1][2], dp[prices.length - 1][3]中的最大值。

    public int maxProfit(int[] prices) {
        //定义dp数组
        int[][] dp = new int[prices.length][4];
        //初始化dp
        dp[0][0] = -prices[0];//持有股票的状态
        dp[0][1] = 0;//保持卖出的状态
        dp[0][2] = 0;//冷冻期前一天卖出的状态
        dp[0][3] = 0;//冷冻期
        //递推公式以及遍历顺序
        for(int i = 1; i < prices.length; i++){
            dp[i][0] = Math.max(Math.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] = dp[i - 1][0] + prices[i];
            dp[i][3] = dp[i - 1][2];
        }
        return Math.max(Math.max(dp[prices.length - 1][1], dp[prices.length - 1][2]), dp[prices.length - 1][3]);
    }
}

leetcode 714 买卖股票的最佳时机含手续费

本题注意初始化dp[0][1]时应该为0。即第0天不持有股票应为0元，而不是-fee。

    public int maxProfit(int[] prices, int fee) {
        //定义dp数组
        int[][] dp = new int[prices.length][2];
        //初始化dp数组
        dp[0][0] = -prices[0];//0表示持有股票
        dp[0][1] = 0;//1表示不持有股票
        //递推公式以及遍历顺序
        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];
    }
}