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
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。