LeetCodes刷题总结8——买卖股票的最佳时机（系列）

题目

121. 买卖股票的最佳时机https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/限定次数k=1x122. 买卖股票的最佳时机 IIhttps://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/不限定次数k（注意你手里最多同时有一笔交易）

123. 买卖股票的最佳时机 IIIhttps://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii/

 限定次数k =2

188. 买卖股票的最佳时机 IVhttps://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv/

 限定次数k

309. 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/

 卖出后一天不能交易

714. 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/

每次交易需要付一定手续费

思路

这一系列题目包含各类状态，且随着元素增加，状态之间有复杂的转换关系，标准的动态规划思想，那么就要考虑状态、操作和状态转移方程。这些题目最普适的自然是188.限定交易次数k，所以直接考虑这一情况再进行扩展。

先来考虑状态：题目能从哪些维度考虑到状态呢？首先是天数，即遍历原数组定义dp数组的坐标i；其次是k,有可能某个状态k=0便不能再交易了；最后是是否持有股票，可以用1代表持有股票，0代表不持有股票。那就需要从3个维度定义状态了，dp的含义就是当前的最大利润。

dp[i][k][0]//第i天 交易次数剩余k次 没有股票
dp[i][k-1][1]//第i天 交易次数剩余k-1次 持有股票

再来考虑操作：对于每天的股票，能有什么操作选择呢？首先是买入，然后是卖出，最后别忘了我们还可以按兵不动，也就是无操作 。

最后来考虑状态转移方程。其实每天的状态最直观的就是是否持有股票两种，不操作也是在延续前面的选择。所以考虑dp[i][k][0]和dp[i][k][1]怎样由前面的状态转移过来。

直接上分析图：

图源：一种解法团灭买卖股票问题 - 买卖股票的最佳时机 - 力扣（LeetCode） 

注意：

（1）卖出在加钱，买入在减钱，也就是有可能利润暂时为负

（2）买入一笔股票k需要减1

代码

188.买卖股票的最佳时机4

先看最普适的188题代码是怎样组织的：

class Solution {
    public int maxProfit(int k, int[] prices) {
        
        int n = prices.length;
        if(n==0) return 0;
        int dp[][][] = new int[n][k+1][2];
        // 先对dp进行初始化
        // 在第0天，无论交易次数，持有股票利润为-prices[0]
        for(int j=0;j<=k;j++){
            dp[0][j][0] = 0;
            dp[0][j][1] = -prices[0];
        }
        
        for(int i=1;i<n;i++){
            for(int j=0;j<=k;j++){
                if(j==0){
                    // 这里是特殊处理一下，没交易过只能延续昨天的状态
                    dp[i][j][0]=dp[i-1][j][0];
                }else{
                    // 卖出才算交易一次
                    // 当天不持有股票  延续昨天的不持有状态  昨天持有但是今天卖掉
                    dp[i][j][0] = Math.max(dp[i-1][j][0],dp[i-1][j-1][1]+prices[i]);
                }
                // 当天持有股票    延续昨天的持有状态   昨天不持有但是今天买入
                dp[i][j][1] = Math.max(dp[i-1][j][1],dp[i-1][j][0]-prices[i]);
            }
           
        }
        int res=0;
        // 最后一天不持有股票一定是利润最大的
        // 这里是交易最多次数为k，但未必一定是k
        for(int j=0;j<=k;j++){
            res=Math.max(res,dp[n-1][j][0]);
        }
        return res;
    }
}

将以上代码可以进行简化：最主要的是可以进行降维：由于每天的状态只和昨天有关，也就是只需要记录一个dp[j][0]和dp[j][1]的当前值就行，所以第一个维度可以直接舍去。

class Solution {
    public int maxProfit(int k, int[] prices) {
        
        int n = prices.length;
        if(n==0) return 0;
        int dp[][] = new int[k+1][2];
        // 先对dp进行初始化
        // 在第0天，无论交易次数，持有股票利润为-prices[0]
        for(int j=0;j<=k;j++){
            dp[j][1] = -prices[0];
        }
        
        for(int i=1;i<n;i++){
            for(int j=0;j<=k;j++){
                if(j==0){
                    // 这里是特殊处理一下，没交易过只能延续昨天的状态
                    dp[j][0]=dp[j][0];
                }else{
                    // 卖出才算交易一次
                    // 当天不持有股票  延续昨天的不持有状态  昨天持有但是今天卖掉
                    dp[j][0] = Math.max(dp[j][0],dp[j-1][1]+prices[i]);
                }
                // 当天持有股票    延续昨天的持有状态   昨天不持有但是今天买入
                dp[j][1] = Math.max(dp[j][1],dp[j][0]-prices[i]);
            }
           
        }
        int res=0;
        // 最后一天不持有股票一定是利润最大的
        // 这里是交易最多次数为k，但未必一定是k
        for(int j=0;j<=k;j++){
            res=Math.max(res,dp[j][0]);
        }
        return res;
    }
}

这里将k=2就是123.买卖股票的最佳时机3的解答

121.买卖股票的最佳时机

122.买卖股票的最佳时机2

这里根据上面的普适代码进行简化，首先天数这一维度都是可以舍去的，其次一个是限制次数为1，一个是不限次数，都可以舍弃k这一维度，代码如下，注意看区别：

121

class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        int[] dp = new int[2];
        dp[0] = 0;
        dp[1] = -prices[0];
        for (int i = 1; i < n; ++i) {
            dp[0] = Math.max(dp[0], dp[1] + prices[i]);
            // 在省去k这一维度之前，dp[i][0][0]=0是恒定的，舍去
            dp[1] = Math.max(dp[1], - prices[i]);
        }
        return dp[0];
    }
}

122

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

上述代码还可以继续简化，不用再定义dp数组了（只有两个值了），这里不再赘述。

309. 最佳买卖股票时机含冷冻期

根据普适代码进行简化，首先k这一维度可以舍去，天数不能舍去（不仅与昨天有关了，还与前天有关），代码如下：

class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        if(n<2) return 0;
        int[][] dp = new int[n][2];
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[1][0] = Math.max(dp[0][0],dp[0][1]+prices[1]);
        dp[1][1] = Math.max(dp[0][1],dp[0][0]-prices[1]);
        for(int i=2;i<n;i++){
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
            // 这里注意i-2：冷却时间1天，所以要从 i - 2 天转移状态
            dp[i][1] = Math.max(dp[i-1][1],dp[i-2][0]-prices[i]);
        }
        return dp[n-1][0];
    }
}

714. 买卖股票的最佳时机含手续费

同样进行简化，首先题目与天数和k都无关，去掉这两维度，只需要在卖出的时候扣除手续费即可。

class Solution {
    public int maxProfit(int[] prices,int fee) {
        int n = prices.length;
        int[] dp = new int[2];
        dp[0] = 0;
        dp[1] = -prices[0];
        for (int i = 1; i < n; ++i) {
            // 这里添加每次每次卖出扣除手续费即可
            dp[0] = Math.max(dp[0], dp[1] + prices[i] - fee);
            dp[1] = Math.max(dp[1], dp[0] - prices[i]);
        }
        return dp[0];
    }
}

以上代码都可以再简化。

总结

动态规划题目难度一般比较大，思路是理清状态，定义dp数组，寻找状态转移的操作，最后定义状态转移方程。我认为比较难的是，想不明白逻辑，哪怕用“教条”写出代码框架并且通过，有些地方也不太能想明白。