动态规划【力扣日记-买卖股票】

最新推荐文章于 2024-10-31 16:16:13 发布
最新推荐文章于 2024-10-31 16:16:13 发布
阅读量245 收藏
点赞数
分类专栏： 刷题日记 文章标签： 动态规划 leetcode 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_53939785/article/details/129936556
版权

买卖股票的最佳时机

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。

package 剑指offer;

/**
 * @author SunYuHang
 * @date 2023-04-03 16:15
 * @ClassName : 买股票的最佳时机121  //类名
 */

public class 买股票的最佳时机121 {
    /**
     * 动归五部曲
     * 状态定义：
     *      dp[i][0] 表示第i天持有股票的最大利润
     *      dp[i][1] 表示第i天不持有股票的最大利润，不持有股股票时最多现金
     * 状态转移:
     *      如果第i天持有股票 dp[i][0]，那么可以由两个状态推出来
     *      第i-1天如果也持有股票  那么第i天和第i-1天持有股股票时的最大现金是一样的 ： dp[i-1][0]
     *      第i天买入股票，那么现在持有股票的最多现金就是 ： -prices[i]
     *      dp[i][0] = Math.max(dp[i-1][0],-prices[i]);
     *
     *      如果第i天不持有股票 dp[i][1]，那么可以由两个状态推出来
     *      第i-1天如果也不持有股票  那么第i天和第i-1天不持有股股票时的最大现金是一样的 ： 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]
     *      dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]);
     * 初始化：
     *      由 状态转移方程4 可以分析出，dp[0][0] 和 dp[0][1] 都要初始化
     *      dp[0][0] 表示第 0 天持有股票，那肯定是今天买入，因为没有前一天
     *      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 dp[0][1]=0
     * 遍历顺序：
     *      从前到后，因为 dp[i] 都是由 dp[i-1]推导出来的
     * 返回值：
     *      dp[prices.length-1][1]
     * @param prices
     * @return
     */
    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]);
                dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]);
        }
        return dp[prices.length-1][1];
    }
}

买卖股票的最佳时机 II

best-time-to-buy-and-sell-stock-ii

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

 

示例 1：

输入：prices = [7,1,5,3,6,4]
输出：7
解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
     总利润为 4 + 3 = 7 。
示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     总利润为 4 。
示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

package 剑指offer;

/**
 * @author SunYuHang
 * @date 2023-04-03 16:44
 * @ClassName : 买卖股票的最佳时机II122  //类名
 */

public class 买卖股票的最佳时机II122 {
    /**
     * 动归五部曲
     * 状态定义：
     *      dp[i][0] 表示第i天持有股票所得最多现金
     *      dp[i][1] 表示第i天不持有股票所得最多现金
     * 状态转移:
     *      如果第i天持有股票 dp[i][0]，那么可以由两个状态推出来
     *          第i-1天如果也持有股票  那么第i天和第i-1天持有股股票时的最大现金是一样的 ： dp[i-1][0]
     *          第i天买入股票，所得最多现金就是昨天不持有股票时的最大现金减去今天买入股票时的价格 dp[i-1][1] - prices[i]
     *      dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
     *
     *      如果第i天不持有股票 dp[i][1]，那么可以由两个状态推出来
     *          第i-1天如果也不持有股票  那么第i天和第i-1天不持有股股票时的最大现金是一样的 ： dp[i-1][1]
     *          第i天卖出股票，所得现金就是按照今天股价卖出后所得加上昨天持有股票时的现金 dp[i-1][0]+prices[i]
     *      dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]);
     * 初始化：
     *      由 状态转移方程4 可以分析出，dp[0][0] 和 dp[0][1] 都要初始化
     *      dp[0][0] 表示第 0 天持有股票，那肯定是今天买入，因为没有前一天
     *      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 dp[0][1]=0
     * 遍历顺序：
     *      从前到后，因为 dp[i] 都是由 dp[i-1]推导出来的
     * 返回值：
     *      dp[prices.length-1][1]
     * @param prices
     * @return
     */
    public int maxProfit(int[] prices) {
        int[][] dp = new int[prices.length][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],dp[i-1][1] - prices[i]);
            dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]);
        }
        return dp[prices.length-1][1];
    }
}

买卖股票的最佳时机 III

best-time-to-buy-and-sell-stock-iii

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

 

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。
示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
示例 3：

输入：prices = [7,6,4,3,1] 
输出：0 
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。
示例 4：

输入：prices = [1]
输出：0

package 剑指offer;

/**
 * @author SunYuHang
 * @date 2023-04-03 16:58
 * @ClassName : 买卖股票的最佳时机III123  //类名
 */

public class 买卖股票的最佳时机III123 {

    /**
     * 动归五部曲
     * 状态定义:
     *     一天可以有5个状态
     *          没有操作 dp[i][0]
     *          第一次持有股票 dp[i][1]
     *          第一次不持有股票 dp[i][2]
     *          第二次持有股票 dp[i][3]
     *          第二次不持有股票 dp[i][4]
     *      dp[i][j] 中 i 表示第 i 天，j表示 0-4 五个状态   dp[i][j] 表示第i天状态j所剩的最大现金。这里需要注意 dp[i][1] 表示的是第i天，买入股票的状态，并不是说一定要第i天买入股票，也可以是前几天买的，今天继续持有
     * 状态转移：
     *      dp[i][1]这种结果，有两种状态
     *          1.第i天第一次买入股票，那么dp[i][1]=dp[i-1][0]-prices[i]
     *          2.第i天没有操作，而是继续保持前一天买入的状态，dp[i][1] = dp[i-1][1]
     *      dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);
     *
     *      dp[i][2]这种结果，有两种状态
     *          1.第i天第一次卖出股票 dp[i][2] = dp[i-1][1]+prices[i]
     *          2.第i天没有操作 dp[i][2] = dp[i-1][2]
     *      dp[i][2] = Math.max(dp[i-1][1]+prices[i],dp[i-1][2]);
     *
     *      dp[i][3]这种结果，有两种状态
     *          1.第i天第二次买入股票，那么 dp[i-1][2]-prices[i]
     *          2.第i天没有操作，而是继续保持前一日第二次买入的状态 dp[i-1][3]
     *      dp[i][3] = Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);
     *
     *      dp[i][4]这种结果，有两种状态
     *          1.第i天第二次卖出股票 dp[i][3]+prices[i]
     *          2.第i天没有操作  dp[i-1][4]
     *      dp[i][4] = Math.max(dp[i][3]+prices[i],dp[i-1][4]);
     * 初始化：
     *      dp[0][0] 表示第0天没有操作 dp[0][0] = 0;
     *      dp[0][1] 表示第0天第一次买入股票 dp[0][1] = -prices[0];
     *      dp[0][2] 表示第0天第一次卖出股票 这里我们就认为今天买入今天又想卖出 所以 dp[0][2] = 0;
     *      dp[0][3] 表示第0天第二次买入股票 今天买入又卖出 又想买入 dp[0][3]= -prices[0];
     *      dp[0][4] 表示第0天第二次买入股票 今天买入又卖出 又想买入最后又卖出 dp[0][4]=0;
     * 遍历顺序：
     *  从前往后
     * 返回值：dp[prices.length-1][4];
     * @param prices
     * @return
     */
    public int maxProfit(int[] prices) {
        int[][] dp = new int[prices.length][5];
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[0][2] = 0;
        dp[0][3]= -prices[0];
        dp[0][4]=0;
        for (int i = 1; i < prices.length; i++) {
            dp[i][1] = Math.max(dp[i-1][0]-prices[i],dp[i-1][1]);
            dp[i][2] = Math.max(dp[i-1][1]+prices[i],dp[i-1][2]);
            dp[i][3] = Math.max(dp[i-1][2]-prices[i],dp[i-1][3]);
            dp[i][4] = Math.max(dp[i][3]+prices[i],dp[i-1][4]);
        }
        return dp[prices.length-1][4];
    }
}

买卖股票的最佳时机 IV

best-time-to-buy-and-sell-stock-iv

给定一个整数数组 prices ，它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

 

示例 1：

输入：k = 2, prices = [2,4,1]
输出：2
解释：在第 1 天 (股票价格 = 2) 的时候买入，在第 2 天 (股票价格 = 4) 的时候卖出，这笔交易所能获得利润 = 4-2 = 2 。
示例 2：

输入：k = 2, prices = [3,2,6,5,0,3]
输出：7
解释：在第 2 天 (股票价格 = 2) 的时候买入，在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
     随后，在第 5 天 (股票价格 = 0) 的时候买入，在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。

package 剑指offer;

/**
 * @author SunYuHang
 * @date 2023-04-03 17:39
 * @ClassName : 买卖股票的最佳时机IV188  //类名
 */

public class 买卖股票的最佳时机IV188 {
    /**
     * 动归五部曲
     * 状态定义：
     *      没有操作 dp[i][0]
     *      第一次持有股票 dp[i][1]
     *      第一次不持有股票 dp[i][2]
     *      第二次持有股票 dp[i][3]
     *      第二次不持有股票 dp[i][4]
     *      ......
     *      j除了0以外，奇数就是买入，偶数就是卖出
     *      题目要求最多有k次交易 所以j的范围为 2*k+1
     * 状态转移：
     *      当dp[i][奇数]
     *      1. 第 i 天买入股票，dp[i][j] - prices[i]
     *      2. 第 i 天没有操作，继续沿用前一天买入的状态 dp[i-1][j+1]
     *      dp[i][j+1]=Math.max(dp[i][j] - prices[i],dp[i-1][j+1])
     *      当dp[i][偶数]
     *      1. 第 i 天卖出股票，dp[i-1][j-1] + prices[i]
     *      2. 第 i 天没有操作，继续沿用前一天买入的状态 dp[i-1][j+2]
     *      dp[i][j+2]=Math.max(dp[i-1][j-1] + prices[i],dp[i-1][j+2])
     * 初始化：
     *      dp[0][j] = -prices[0];
     *      j+=2;
     * 遍历顺序：遍历天数从小到大 遍历第几次买入j 从小到大
     * 返回值： dp[prices.length-1][2*k]
     * @param k
     * @param prices
     * @return
     */
    public int maxProfit(int k, int[] prices) {
        int[][] dp = new int[prices.length][2*k+1];

        for (int i = 1; i < 2*k; i+=2) {
            dp[0][i] = -prices[0];
        }

        for (int i = 1; i < prices.length; i++) {
            for (int j = 0; j < 2*k-1; j+=2) {
                dp[i][j+1]=Math.max(dp[i][j] - prices[i],dp[i-1][j+1]);
                dp[i][j+2]=Math.max(dp[i-1][j+1] + prices[i],dp[i-1][j+2]);
            }
        }
        return dp[prices.length-1][2*k];
    }
}

最佳买卖股票时间含冷冻期

best-time-to-buy-and-sell-stock-with-cooldown

给定一个整数数组prices，其中第  prices[i] 表示第 i 天的股票价格 。​

设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:

卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

 

示例 1:

输入: prices = [1,2,3,0,2]
输出: 3 
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
示例 2:

输入: prices = [1]
输出: 0

/**
     * 状态定义：dp[i][j]表示 第i天状态为j 所剩最多现金为 dp[i][j]
     *         状态一：持有股票状态
     *         状态二：保持卖出股票状态(两天前就已经卖出股票了，并且冷冻期刚刚度过；很早之前就把股票卖了，一直没操作，还是保持卖出状态)
     *         状态三：今天刚卖出股票
     *         状态四：今天为冷冻期
     *
     * 状态转移：
     *      状态一：持有股票状态 dp[i][0] = Math.max(dp[i-1][0],dp[i-1][3]-prices[i],dp[i-1][1]-prices[i]);
     *      状态二：保持卖出股票状态 dp[i][1] = Math.max(dp[i-1][3],dp[i-1][1]);
     *      状态三：今天刚卖出股票 dp[i][2] = dp[i-1][0] + prices[i];
     *      状态四: 今天为冷冻期 dp[i][3] = dp[i-1][2];
     *
     * 初始化：dp[0][0] = -prices[0]
     *
     * 遍历顺序：从前往后
     *
     * 返回值：Math.max(dp[prices.length-1][3],Math.max(dp[prices.length-1][1],dp[prices.length-1][2]));
     * @param prices
     * @return
     */
    public int maxProfit(int[] prices) {

        int[][] dp = new int[prices.length][4];
        dp[0][0] = -prices[0];

        for (int i = 1; i < prices.length; i++) {
            dp[i][0] = Math.max(dp[i-1][0],Math.max(dp[i-1][3]-prices[i],dp[i-1][1]-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[prices.length-1][3],Math.max(dp[prices.length-1][1],dp[prices.length-1][2]));
    }

买卖股票的最佳时机含手续费

best-time-to-buy-and-sell-stock-with-transaction-fee

给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格 ；整数 fee 代表了交易股票的手续费用。

你可以无限次地完成交易，但是你每笔交易都需要付手续费。如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。

返回获得利润的最大值。

注意：这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。

 

示例 1：

输入：prices = [1, 3, 2, 8, 4, 9], fee = 2
输出：8
解释：能够达到的最大利润:  
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8
示例 2：

输入：prices = [1,3,7,5,10,3], fee = 3
输出：6

package 剑指offer;

/**
 * @author SunYuHang
 * @date 2023-04-03 18:42
 * @ClassName : 买卖股票的最佳时机含手续费714  //类名
 */

public class 买卖股票的最佳时机含手续费714 {
    /** 每一次卖出时都需要扣除手续费，在第二题的基础上 dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]-fee);
     * 动归五部曲
     * 状态定义：
     *      dp[i][0] 表示第i天持有股票所得最多现金
     *      dp[i][1] 表示第i天不持有股票所得最多现金
     * 状态转移:
     *      如果第i天持有股票 dp[i][0]，那么可以由两个状态推出来
     *          第i-1天如果也持有股票  那么第i天和第i-1天持有股股票时的最大现金是一样的 ： dp[i-1][0]
     *          第i天买入股票，所得最多现金就是昨天不持有股票时的最大现金减去今天买入股票时的价格 dp[i-1][1] - prices[i]
     *      dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
     *
     *      如果第i天不持有股票 dp[i][1]，那么可以由两个状态推出来
     *          第i-1天如果也不持有股票  那么第i天和第i-1天不持有股股票时的最大现金是一样的 ： dp[i-1][1]
     *          第i天卖出股票，所得现金就是按照今天股价卖出后所得加上昨天持有股票时的现金 dp[i-1][0]+prices[i]
     *      dp[i][1] = Math.max(dp[i-1][1],prices[i] + dp[i - 1][0]);
     * 初始化：
     *      由 状态转移方程4 可以分析出，dp[0][0] 和 dp[0][1] 都要初始化
     *      dp[0][0] 表示第 0 天持有股票，那肯定是今天买入，因为没有前一天
     *      dp[0][0] = -prices[0]
     * 遍历顺序：
     *      从前到后，因为 dp[i] 都是由 dp[i-1]推导出来的
     * 返回值：
     *      dp[prices.length-1][1]
     * @param prices
     * @return
     */
    public int maxProfit(int[] prices,int fee) {
        int[][] dp = new int[prices.length][2];
        dp[0][0] = -prices[0];

        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],prices[i] + dp[i - 1][0]-fee);
        }
        return dp[prices.length-1][1];
    }
}
孙宇航_
关注
专栏目录
力扣---买卖股票的最佳时机 II、轮转数组
m0_71536793的博客
02-11 193
力扣 动态规划 旋转数组
【力扣日记】买卖股票的最佳时机 | 动态规划
Heart_for_Ling的博客
01-23 407
文章参考：一个方法团灭六道股票问题——作者：labuladong 动态规划DP 题目描述 给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。 如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。 注意你不能在买入股票前卖出股票。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/best-...
力扣经典面试题目——买卖股票最佳时机——菜鸡记录日记
2402_83355028的博客
09-20 272
利润可以每次过程都计算，只不过如果最小值更新，利润必然变成0（买股票在卖股票之前嘛，有了更低的入手价那就和之前的利润无关（毕竟每天股票价格不定），需要重新计算）....... 抓紧来复健一下脑子。代码如下（最小值的初始化，这样直接for从1开始)最后简单更新一下最大利润就好了。入手价格必然是动态更新的，
力扣日记121
qq_51204877的博客
06-16 561
力扣菜菜日记
leetcode刷题日记--数组（1）
m0_62539204的博客
04-23 225
小白刷题个人纪录贴 ，记一下做题思路和问题，方便复习 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/remove-duplicates-from-sorted-array 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。 1.删除有序数组中的重复项 给你一个 升序排列 的数组 nums ，请你 原地 删除重复出现的元素，使每个元素 只出现一次 ，返回删除后数组的新长度。元素的 相对顺序 应该保持 一致 。 由于在某些语言中
【leetcode 刷题日记】25-买卖股票的最佳时机 II（C++)
fengshiyu1997的博客
03-25 106
买卖股票的最佳时机II 题目 给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。 设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。 注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/best-time-to-buy-a...
力扣日记13：贪心
Nuclear的博客
11-25 410
力扣贪心相关
力扣日记3.18-【贪心算法篇】122. 买卖股票的最佳时机 II
RobinChan730的博客
03-18 401
要不是知道这是贪心算法篇的，我大概是想不到也不敢用贪心算法的（但是第一次做出来了！Veee）局部最优：当前利润为正（即股价上升），则在前一天购入；当前利润为负（股价下降），则在前一天出售全局最优：累积所有股价上升时的“当前利润”，则可得到最大利润。注意：注释中的own本来是用来记录什么时候持有股票的，但发现用不到，就注释掉了）代码随想录的思路（本质上一样）：把利润分解为每天为单位的维度局部最优：收集每天的正利润（即是正利润就收集）；全局最优：求得最大利润。TODO：动态规划。
春招Leetcode刷题日记-D2-贪心算法-训练专题
qq_45678698的博客
02-14 627
D2-贪心算法-训练专题
Leetcode刷题日记--2
huhubbdd的博客
02-27 122
原题： 买卖股票的最佳时机 II 给定一个数组 prices ，其中 prices[i] 表示股票第 i 天的价格。在每一天，你可能会决定购买和/或出售股票。你在任何时候最多只能持有一股股票。你也可以购买它，然后在同一天出售。返回你能获得的 最大 利润 。 示例 1: 输入: prices = [7,1,5,3,6,4] 输出: 7 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。 随后，在第...
Python算法题源代码-LeetCode(力扣)-全排列
02-26
力扣热题Python源代码 题目46. 全排列 给定一个不含重复数字的数组 nums ，返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。 示例 1： 输入：nums = [1,2,3] 输出：[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1...
Python算法题源代码-LeetCode(力扣)-子集
02-27
力扣热题Python源代码 题目78. 子集 给你一个整数数组 nums ，数组中的元素 互不相同 。返回该数组所有可能的子集（幂集）。 解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。 示例 1： 输入：nums = [1,2...
Python算法题源代码-LeetCode(力扣)-课程表
02-23
力扣热题Python源代码 题目207. 课程表 你这个学期必须选修 numCourses 门课程，记为 0 到 numCourses - 1 。 在选修某些课程之前需要一些先修课程。 先修课程按数组 prerequisites 给出，其中 prerequisites[i] = ...
Python算法题源代码-LeetCode(力扣)-N皇后
03-06
力扣热题Python源代码 题目51. N 皇后 按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。 n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。...
【AGC005D】~K Perm Counting（计数抽象成图）
2301_77025310的博客
10-01 2802
注意到位置为id，权值为v ,不合法的情况，当且仅当 v = id+k或 v= id-k。dp(i,j,pd)表示考虑到第i号点， 连了j条边，是否有连接i 到 i-1号点。因此，我们把每一个位置和权值抽象成点 ，不合法的情况之间连一条边，可以构成二分图。由此可知，当选了n条边，就恰好n个位置不合法，限制条件是：连的边不能相邻，求出f(m) ，f(m)指代至少有m个位置不合法的方案数。由此总共有2n 个点 k 条链，链与链之间无边 互不干涉。把二分图展开成k条链，进行dp。简单的乘法原理罢了。
C++ | Leetcode C++题解之第514题自由之路
Ddddddd_158的博客
10-27 395
C++ | Leetcode C++题解之第514题自由之路
Java | Leetcode Java题解之第514题自由之路
m0_57195758的博客
10-27 291
Java | Leetcode Java题解之第514题自由之路
力扣-最小覆盖子串
Dennis_nafla的博客
10-29 247
可以定义一个distance这样的int变量，当移动右指针后，如果此时右指针指向的字符在当前窗口中的个数严格小于t中所需要的个数，那么distance++。滑动窗口，初始时左右指针都指向s的第一个字符,对于每个遍历到的窗口，判断当前窗口是否包含了t中所需要的所有字符，不是的话就移动右指针，是的话就移动左指针。在移动左指针前,如果此时左指针指向的字符在当前窗口中的个数等于t中所需要的个数，那么distance--。给定一个字符串s,和目标字符串t，需要找出s中包含t中所有字符且长度最小子串，输出这个子串。
【二分查找】【三种写法】——在排序数组中查找元素的第一个和最后一个位置#力扣hot100
最新发布
weixin_47868976的博客
10-31 696
给你一个按照非递减顺序排列的整数数组nums，和一个目标值target。请你找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值target，返回[-1, -1]。必须设计并实现时间复杂度为O(log n)的算法解决此问题。
力扣刷题--LCR 135. 报数python
07-23
报数" 是力扣（LeetCode）上的一个问题编号，它是一个经典的Python编程题目，涉及到数组操作和游戏策略。在这个“报数”游戏中，给定一个非空整数数组 `nums` 和两个整数 `m` 和 `n`，玩家轮流从数组中选择一个元素...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

孙宇航_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值