188. 买卖股票的最佳时机 IV
题目描述
给你一个整数数组 prices
和一个整数 k
,其中 prices[i]
是某支给定的股票在第 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。也就是说,你最多可以买 k
次,卖 k
次。
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 。
提示:
1 <= k <= 100
1 <= prices.length <= 1000
0 <= prices[i] <= 1000
题解
股票问题的升级版,仍然用动态规划解决,多添加几个状态即可。 这题和 123. 买卖股票的最佳时机 III 长得很像,只不过那题是最多可以完成两笔交易,而本题是最多k笔 。参考我之前的 123-题解 ,我们只需要扩展一下 dp
数组即可将同样的套路用到本题。
-
dp
数组含义:dp[i][j]
表示第i
天,不同状态下的余额(初始为0),其中-
j = 1
表示 第1次 持有 股票,j = 2
表示 第1次 不持有 股票 -
j = 3
表示 第2次 持有 股票,j = 4
表示 第2次 不持有 股票 -
…
-
j = 2k - 1
表示第k次 持有 股票,j = 2k
表示 第k次 不持有 股票。奇数:持有;偶数:不持有
⚠️ 注意这里表示的是某天是否持有股票的状态,并不意味着一定就在这天买入或卖出了股票
-
-
状态转移方程:
-
持有:
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
维持前一天的持有状态,或者前一天不持有、这天买入。选余额大的。
-
不持有:
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
维持前一天的不持有状态,或者前一天持有、这天卖出。选余额大的。
-
整体代码按照股票问题的动态规划套路写就可以了,具体参见我写的 CSDN博客-股票问题 I 或 Carl的 代码随想录-188 。
代码(C++)
int maxProfit(int k, vector<int> &prices)
{
vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
// 奇数:持有;偶数:不持有
for (int j = 0; j < 2 * k; j += 2)
dp[0][j + 1] = -prices[0];
for (int i = 1; i < prices.size(); ++i) {
for (int j = 0; j < 2 * k - 1; j += 2) {
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]);
}
}
return dp.back().back();
}
309. 买卖股票的最佳时机含冷冻期
题目描述
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
提示:
1 <= prices.length <= 5000
0 <= prices[i] <= 1000
题解
在 普通股票问题 基础上,增加了一个 “卖出股票的第二天不能买入” 的冷冻期,实际上也就是增加了一个 dp
数组状态——原本是 持有、不持有 两种,现在“不持有”要分为 “不持有但不是当天卖出” 和 “当前卖出” 两种。
-
dp
数组含义:dp[i][j]
表示第i
天,不同状态下的余额(初始为0),其中j = 0
表示 不持有但不是当天卖出 股票j = 1
表示 持有 股票j = 2
表示 当天卖出 股票
-
状态转移方程:
-
不持有但不是当天卖出:
dp[i][0] = max(dp[i - 1][0], dp[i - 1][2])
不是当天卖出,故只考虑之前也不持有的两种情况即可,取余额大的。
-
持有:
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
经典的状态转移:维持前一天的持有状态,或前一天不持有、这天买入,取余额大的。
-
当天卖出:
dp[i - 1][1] + prices[i]
-
结果即为最后一天,不持有的两种状态中余额更高的那个。
本题更详细的解析参见 代码随想录-309 ,不过其中算法设了4种状态(比我多一种),但原理相通。
代码(C++)
int maxProfit(vector<int> &prices)
{
vector<vector<int>> dp(prices.size(), vector<int>(3));
// 0:不持有但不是当天卖出
// 1:持有
// 2:当天卖出
dp[0][1] = -prices[0];
for (int i = 1; i < prices.size(); ++i) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][2]);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
dp[i][2] = dp[i - 1][1] + prices[i];
}
return max(dp.back()[0], dp.back()[2]);
}
714. 买卖股票的最佳时机含手续费
题目描述
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
提示:
1 <= prices.length <= 5 * 104
1 <= prices[i] < 5 * 104
0 <= fee < 5 * 104
题解
在普通的股票问题基础上增加了一个手续费,但这个手续费又并不是变化的,所以完全没影响 🤣 ,每次考虑卖出的时候把手续费扣除即可。
动态规划秒了,此类问题的详细思路可参见我之前写的 CSDN-股票问题 I 。
代码(C++)
int maxProfit(vector<int> &prices, int fee)
{
vector<vector<int>> dp(prices.size(), vector<int>(2, 0));
dp[0][1] = -prices[0];
for (int i = 1; i < prices.size(); ++i) {
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
}
return dp.back()[0];
}
Python
def maxProfit(self, prices: List[int], fee: int) -> int:
dp = [[0, 0] for _ in range(len(prices))]
dp[0][1] = -prices[0]
for i in range(1, len(prices)):
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee)
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])
return dp[-1][0]
Golang
func maxProfit(prices []int, fee int) int {
dp := make([][2]int, len(prices))
dp[0][1] = -prices[0]
for i := 1; i < len(prices); i++ {
dp[i][0] = max(dp[i-1][0], dp[i-1][1]+prices[i]-fee)
dp[i][1] = max(dp[i-1][1], dp[i-1][0]-prices[i])
}
return dp[len(prices)-1][0]
}