今天包含的动态规划题目为:
今天的这两道动态规划与先前的动态规划略有区别,题目要求的状态均不止一种。首先来看状态相对少一些的714题。
给定一个整数数组 prices,其中第 i 个元素代表了第 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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee
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。
实现思路:
在这里dp[i][0]表示当前持有股票时的最多利润
dp[i][1]表示目前不持有股票时的最多利润。
最后根据题目中所给的递推关系,依次求得每个值。递推得到结果。
实现代码:
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int len=prices.size();
int dp[len][2];
dp[0][0]=-prices[0];
dp[0][1]=0;
for(int i=1;i<len;i++){
dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]);
dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]-fee);
}
return dp[len-1][1];
}
};
接下来看第309题,这道题的状态相较于714题还要更多一个。
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
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown
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。
实现思路:
在这道题里你的思路不要拘泥在冷冻期上,这只是一个迷惑你的东西。
抽出问题的本质,实际上只有三种状态。
dp[i][0]表示当前持有股票的最大利润。
dp[i][1]表示当前不持股且当天未卖出股票的最大利润。
dp[i][2]表示当前不持股但是为当天卖出股票的最大利润。
所以说,这道题在做的时候用来区分是否是冷冻期,无非就是看股票是否是在前一天的当天售出的。
进而我们可以建立一个状态转移方程,最终求得结果。
实现代码:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len=prices.size();
int dp[len][3];
dp[0][0]=-prices[0];
dp[0][1]=0;
dp[0][2]=0;
for(int i=1;i<prices.size();i++){
dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]);
dp[i][1]=max(dp[i-1][1],dp[i-1][2]);
dp[i][2]=dp[i][0]+prices[i];
}
return max(dp[len-1][1],dp[len-1][2]);
}
};