目录
关于股票问题的思路
股票问题的参考:力扣
对于所有的股票问题,有条件n表示股票价格数组的长度,用i表示第i天,i的范围是[0,n-1],
用k表示允许的最大交易次数,用T[i][k]表示在第i天结束时,最多进行k次交易的情况下可以获
得的最大收益。基准情况是显而易见的:T[-1][k] = T[i][0] = 0,表示没有进行股票交易时没有收
益(注意第一天对应 i = 0,因此 i = -1 表示没有股票交易)。
对于第i天,可能有三种操作:买入、卖出、休息。如果决定在第i天买入,那么买入之前必须
持有0份股票;如果决定在第i天卖出,那么卖出之前必须持有1份股票,持有股票的数量会影响
第i天的操作,因此对T[i][k]也要分成两部分:
T[i][k][0]表示第i天结束时,最多进行k次交易并且在进行操作后持有0份股票的情况下可
以获得的最大收益;
T[i][k][1]表示第i天结束时,最多进行k次交易并且在进行操作后持有1份股票的情况下可
以获得的最大收益;
此时可以得到新的基准情况:
T[-1][k][0] = 0 //-1表示没有股票交易,且不持有股票的情况下,没有收益为0
T[-1][k][1] = Integer.MIN_VALUE //此时持有股票,取最小值即可
T[i][0][0] = 0 //此时k=0,表示没有进行任何交易,且不持有股票
T[i][0][1] = -Infinity //此时k=0,但是持有股票,取最小值即可
状态转移方程为:
T[i][k][0] = max(T[i - 1][k][0], T[i - 1][k][1] + prices[i])
T[i][k][1] = max(T[i - 1][k][1], T[i - 1][k - 1][0] - prices[i])
注意:把每一次买入操作相当于一次交易,即进行买入的时候k需要加1,卖出操作不影响k的
大小。
T[i][k][0]表示第i天结束后是没有股票的状态,所以这一天的操作要么是休息,要么是卖出了股
票。如果是休息状态,那么前一天也没有股票的状态应该是可以获得的最大收益,即T[i-1][k][0]
如果是卖出一个股票的状态,那么最大收益应该就是T[i-1][k][i] + prices[i],prices[i]就是卖出这
个股票的收益。
T[i][k][1]表示第i天结束后是有股票的状态,所以这一天的操作要么是休息,要么是买入了股
票。如果是休息状态,那么前一天就有股票的状态应该是可以获得的最大收益,即T[i-1][k][1]
如果是买入一个股票的状态,那么最大收益应该就是T[i-1][k-1][0] - prices[i],prices[i]就是买入
这个股票的消费(注意这里k-1就是因为买入操作会使用一次交易)。
为了得到最后一天结束时的最大收益,遍历股票价格数组,最终答案是T[n-1][k][0],因为结
束时持有0份股票的收益一定大于持有1份股票的收益。
力扣题121 买卖股票的最佳时机(k=1)
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。
1.自己的解法:遍历一次数组,如果遍历到的元素值大于之前得到的最小值,则计算一次利润,并与前面得到的最大利润进行比较;如果遍历到的元素值小于之前得到的最小值,则更新最小值。
class Solution {
public int maxProfit(int[] prices) {
if(prices == null || prices.length == 0 || prices.length == 1){//输入参数无效
return 0;
}
int min = prices[0];//最小值的初始值设置为第一个元素
int maxProfit = 0;//最大利润初始为0
for(int i = 1;i < prices.length;i++){
if(prices[i] > min){//如果遍历到的元素值大于前面出现的最小值,则计算当前的利润
int currentProfit = prices[i] - min;
if(currentProfit > maxProfit){//如果当前利润大于最大利润,则更新最大利润
maxProfit = currentProfit;
}
}
if(prices[i] <= min){//如果遍历到的元素值小于前面出现的最小值
min = prices[i];//更新出现过的最小值
}
}
return maxProfit;//返回最大利润
}
}
2.套用上面的动态规划:
每天有两个未知变量:T[i][1][0]和T[i][1][1],状态转移方程如下:
有T[i-1][0][0] = 0。
T[i][1][0] = max(T[i - 1][1][0], T[i - 1][1][1] + prices[i])
T[i][1][1] = max(T[i - 1][1][1], T[i - 1][0][0] - prices[i]) = max(T[i - 1][1][1], -prices[i])
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
int[][] dp = new int[n][2];//n表示天数,2表示这一天结束后有无股票的两种情况
//初始化
dp[0][0] = 0; // 第一天结束后没有股票,说明没有买卖,利益为0
dp[0][1] = -prices[0]; // 第一天结束后有股票,说明买了股票,减去支出
for (int i = 1;i < n;i++) {
//当天结束后不持有股票,休息或者卖出了股票
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
//当天结束后持有股票,休息或者买入了股票,因为只能买一次,所以在买之前收益肯定一直为0
dp[i][1] = Math.max(dp[i-1][1],- prices[i]);
}
return dp[n-1][0];
}
}
可以注意到第i天的收益只和第i-1天的收益有关,因此可以不用存储每一天的收益,降低空间
复杂度。用两个变量来存储前一天的状态。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
//初始化
int profit0 = 0; // 第一天结束后没有股票,说明没有买卖,利益为0
int profit1 = -prices[0]; // 第一天结束后有股票,说明买了股票,减去支出
for (int i = 1;i < n;i++) {
//当天结束后不持有股票,休息或者卖出了股票
profit0 = Math.max(profit0,profit1 + prices[i]);
//当天结束后持有股票,休息或者买入了股票,因为只能买一次,所以在买之前收益肯定一直为0
profit1 = Math.max(profit1,-prices[i]);
}
return profit0;
}
}
题源:力扣
力扣题122 买卖股票的最佳时机II
给定一个数组 prices ,其中 prices[i] 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)。
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 。
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: 在这种情况下, 没有交易完成, 所以最大利润为 0。
1.自己使用的动态规划,dp[i]表示以prices[i]为结尾的子数列(即必须在prices[i]卖出,这个数要存在于滑动窗口中)中能够产生的最大利润。
class Solution {
public int maxProfit(int[] prices) {
int maxProfit = 0;
int[] dp = new int[prices.length];//表示以该下标元素为最后卖出点能得到的最大利润
dp[0] = 0;
for (int i = 1;i < prices.length;i++) {
dp[i] = 0;
for (int j = 0;j < i;j++) {//遍历从前往后比当前元素小的值,找到所有可能的利润,然后找到其中的最大利润
if (prices[j] < prices[i]) {
if (j == 0) {
dp[i] = Math.max(dp[i],prices[i] - prices[j]);
} else {
int index = j;
while (index >= 1) {//前面的子序列中出现的最大值加上当前窗口的利润
dp[i] = Math.max(dp[i],dp[index-1] + prices[i] - prices[j]);
index--;
}
}
}
}
maxProfit = Math.max(maxProfit,dp[i]);//更新最大值
}
return maxProfit;
}
}
这种动态规划其实循环多,效率不高,可以进行优化。通用的动态规划解法:
如果k是正无穷,可以把k和k-1看成是相同的。
因此有T[i-1][k-1][0]=T[i-1][k][0]和T[i-1][k-1][1]=T[i-1][k-1][1]
每天有两个变量T[i][k][0]和T[i][k][1]。状态方程如下:
T[i][k][0] = max(T[i-1][k][0], T[i-1][k][1] + prices[i])
T[i][k][1] = max(T[i-1][k][1], T[i-1][k-1][0] - prices[i]) = max(T[i-1][k][1], T[i-1][k][0] - prices[i])
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];
//因为k是无穷大,相当于k=k-1,所以这里也不需要k这个组成了
for (int i = 1;i < n;i++) {
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
//与k=1时唯一的不同就是,前面可能有买卖的过程,dp[i-1][k][0]不等于0了
dp[i][1] = Math.max(dp[i-1][1],dp[i - 1][0] - prices[i]);
}
return dp[n-1][0];
}
}
可以注意到第i天的收益只和第i-1天的收益有关,因此可以不用存储每一天的收益,降低空间
复杂度。用两个变量来存储前一天的状态。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
int profit0 = 0;
int profit1 = -prices[0];
//因为k是无穷大,相当于k=k-1,所以这里也不需要k这个组成了
for (int i = 1;i < n;i++) {
int nextProfit0 = Math.max(profit0,ptofit1 + prices[i]);
//与k=1时唯一的不同就是,前面可能有买卖的过程,dp[i-1][k][0]不等于0了
int nextProfit1 = Math.max(profit1,profit0 - prices[i]);
//更新前一天的状态
profit0 = nextProfit0;
profit1 = nextProfit1;
}
return profit0;
}
}
2.题解贪心算法:只有这种任意次的特殊情况下可以使用贪心算法。
[7,1,5,6]第二天买入,第四天卖出,收益最大(6-1),所以一般人可能会想,怎么判断不是
第三天就卖出了呢? 这里就把问题复杂化了,根据题目的意思,当天卖出以后,当天还可以买
入,所以其实可以第三天卖出,第三天买入,第四天又卖出((5-1)+ (6-5) === 6 - 1)。
所以算法可以直接简化为只要今天比昨天大,就卖出。
class Solution {
public int maxProfit(int[] prices) {
int maxProfit = 0;
for (int i = 1;i < prices.length;i++) {
if (prices[i] > prices[i - 1]) {
maxProfit += prices[i] - prices[i - 1];
}
}
return maxProfit;
}
}
题源:力扣
力扣题123 买卖股票的最佳时机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
1.自己的想法:把整个数组分成两个子区间,然后在每个子区间里使用滑动窗口方法,取得两个子区间能够得到的最大值,然后取各种子区间组合中能够得到的最大利润之和。但是这么做用了双重循环,在提交的时候显示超出时间限制。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int max = 0;
for (int i = 0;i < n;i++) {
int min1 = prices[0];
int maxProfit1 = 0;
for (int j = 0;j < i;j++) {//第一个子区间,计算最大利润
if (prices[j] > min1) {
maxProfit1 = Math.max(maxProfit1,prices[j] - min1);
} else {
min1 = prices[j];
}
}
int min2 = prices[i];
int maxProfit2 = 0;
for (int j = i;j < n;j++) {//第二个子区间,计算最大利润
if (prices[j] > min2) {
maxProfit2 = Math.max(maxProfit2,prices[j] - min2);
} else {
min2 = prices[j];
}
}
max = Math.max(max,maxProfit1 + maxProfit2);//更新最大值
}
return max;
}
}
感觉还是可以用这种思路,但是在计算每个子区间的最大值的时候,需要试试不使用滑动窗口的方式,试试2次动态规划,取得两个子区间的最大利润。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int max = 0;
if (n < 2) {
return 0;
}
int[] dp1 = new int[n]; //第一个dp数组,找出[0,i]之间的最大利润
int[] dp2 = new int[n]; //第二个dp数组,找出[i+1,n-1]之间的最大利润
int minVal = prices[0];//最小值,买入
int maxVal = prices[n-1];//最大值,卖出
for (int i = 1;i < n;i++) {
dp1[i] = Math.max(dp1[i - 1],prices[i] - minVal);//在最小值买入,当前值卖出,或者不在当前值卖出,进行比较
minVal = Math.min(prices[i],minVal);//更新最小值
}
for (int i = n - 2;i >= 0;i--) {
dp2[i] = Math.max(dp2[i + 1],maxVal - prices[i]);//在最大值卖出,在当前值买入,或者不在当前值买入,进行比较
maxVal = Math.max(prices[i],maxVal);//更新最大值
}
for (int i = -1;i < n;i++) {
//取两个子区间组合的利润和的最大值
if (i == -1) {//表示第二个子区间就是整个区间,相当于只买卖一次股票
max = Math.max(max,dp2[0]);
} else if (i == n - 1) {
max = Math.max(max,dp1[n-1]);
} else {
max = Math.max(max,dp1[i] + dp2[i + 1]);
}
}
return max;
}
}
通用动态规划解法:
此时因为可以买两次,所以有四个变量,分别是这一天第一次或第二次买卖的可能性。
T[i][1][0]、T[i][1][1]、T[i][2][0]、T[i][2][1]四种。
状态转移方程如下:其中T[i][0][0] = 0。
T[i][2][0] = max(T[i - 1][2][0], T[i - 1][2][1] + prices[i])
T[i][2][1] = max(T[i - 1][2][1], T[i - 1][1][0] - prices[i])
T[i][1][0] = max(T[i - 1][1][0], T[i - 1][1][1] + prices[i])
T[i][1][1] = max(T[i - 1][1][1], T[i - 1][0][0] - prices[i]) = max(T[i - 1][1][1], -prices[i])
可以注意到第i天的收益只和第i-1天的收益有关,因此可以不用存储每一天的收益,降低空间
复杂度。用两个变量来存储前一天的状态。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
//初始化
int profitOne0 = 0;
int profitOne1 = -prices[0];
int profitTwo0 = 0;
int profitTwo1 = -prices[0];
for (int i = 1;i < n;i++) {
profitTwo0 = Math.max(profitTwo0,profitTwo1 + prices[i]);
profitTwo1 = Math.max(profitTwo1,profitOne0 - prices[i]);
//因为之前要用到profitOne0,所以在后面再更新profitOne0,就可以避免创建新的变量
profitOne0 = Math.max(profitOne0,profitOne1 + prices[i]);
//dp[i - 1][0][0] = 0,因为第一次买的话,之前的利益为0
profitOne1 = Math.max(profitOne1,-prices[i]);
}
return profitTwo0;
}
}
题源:力扣
力扣题188 买卖股票的最佳时机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 。
1.当k大于等于数组长度的一半时,其实就相当于可以任意次数的买卖股票,就可以使用买卖股票的最佳时机II中的贪心算法;对于其他的k值,就使用动态规划即可,就类似买卖股票的最佳时机III
使用通用动态规划解法:
class Solution {
public int maxProfit(int k, int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
//k >= n/2说明相当于任意次数了,使用贪心算法
if (k >= n / 2) {
int max = 0;
for (int i = 1;i < n;i++) {
if (prices[i] > prices[i - 1]) {
max += prices[i] - prices[i - 1];
}
}
return max;
}
int[][][] dp = new int[n][k + 1][2];
//初始化
for (int i = 0;i <= k;i++) {
dp[0][i][0] = 0;
dp[0][i][1] = -prices[0];
}
for (int i = 1;i < n;i++) {
//可以买卖k次的话,每天的可能状态有2*k种。
for (int j = 1;j <= k;j++) {
dp[i][j][0] = Math.max(dp[i - 1][j][0],dp[i - 1][j][1] + prices[i]);
dp[i][j][1] = Math.max(dp[i - 1][j][1],dp[i - 1][j - 1][0] - prices[i]);
}
}
return dp[n-1][k][0];
}
}
也可以看出第i天的状态只和第i-1的状态有关,因此不需要存储每天的情况,进行优化。
class Solution {
public int maxProfit(int k, int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
//k >= n/2说明相当于任意次数了,使用贪心算法
if (k >= n / 2) {
int max = 0;
for (int i = 1;i < n;i++) {
if (prices[i] > prices[i - 1]) {
max += prices[i] - prices[i - 1];
}
}
return max;
}
int[][] dp = new int[k + 1][2];
//初始化
for (int i = 0;i <= k;i++) {
dp[i][0] = 0;
dp[i][1] = -prices[0];
}
for (int i = 1;i < n;i++) {
//可以买卖k次的话,每天的可能状态有2*k种。
for (int j = 1;j <= k;j++) {
dp[j][0] = Math.max(dp[j][0],dp[j][1] + prices[i]);
dp[j][1] = Math.max(dp[j][1],dp[j - 1][0] - prices[i]);
}
}
return dp[k][0];
}
}
题源:力扣
力扣题309 最佳买卖股票时机含冷冻期
给定一个整数数组,其中第 i 个元素代表了第 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):
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)。
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
示例:
输入: [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]
1.通用的动态规划解法:
相对于k为正无穷,只是多了一个条件在卖出和买入中间要有一天相隔即冷冻期,因此状态转
换方式变为:
T[i][k][0] = max(T[i - 1][k][0], T[i - 1][k][1] + prices[i])
T[i][k][1] = max(T[i - 1][k][1], T[i - 2][k][0] - prices[i])
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];
for (int i = 1;i < n;i++) {
dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] + prices[i]);
if (i >= 2) {//因为有冷冻期,所以在当前天买入的话,上一个状态应该就是两天前的卖出状态
dp[i][1] = Math.max(dp[i - 1][1],dp[i - 2][0] - prices[i]);
} else {
dp[i][1] = Math.max(dp[i - 1][1],-prices[i]);
}
}
return dp[n-1][0];
}
}
第i天的状态只和第i-1天和第i-2天的状态有关,因此用三个变量存储这三个状态,减少空间复
杂度,进行优化:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n < 2) {
return 0;
}
int preProfit0 = 0;
int profit0 = 0;
int profit1 = -prices[0];
for (int i = 1;i < n;i++) {
int nextProfit0 = Math.max(profit0,profit1 + prices[i]);
int nextProfit1 = Math.max(profit1,preProfit0 - prices[i]);//有冷冻期
//更新
preProfit0 = profit0;
profit0 = nextProfit0;
profit1 = nextProfit1;
}
return profit0;
}
}
题源:力扣
力扣题714 买卖股票的最佳时机含手续费
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
1.通用的动态规划解法:
相对于k为正无穷,只是多了一个手续费,更改一下状态转换方程:
T[i][k][0] = max(T[i - 1][k][0], T[i - 1][k][1] + prices[i])
T[i][k][1] = max(T[i - 1][k][1], T[i - 1][k][0] - prices[i] - fee)
class Solution {
public int maxProfit(int[] prices, int fee) {
int n = prices.length;
if (n < 2) {
return 0;
}
int[][] dp = new int[n][2];
dp[0][0] = 0;
dp[0][1] = -prices[0] - fee;//注意初始化的时候买入一个股票也要记得减去手续费
for (int i = 1;i < n;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],dp[i - 1][0] - prices[i] - fee);//区别就是买入股票时剪掉一个手续费
}
return dp[n - 1][0];
}
}
也可以看出第i天的状态只和第i-1天有关,因此不需要存储每一天的状态,可以减少辅助空
间,进行优化:
class Solution {
public int maxProfit(int[] prices, int fee) {
int n = prices.length;
if (n < 2) {
return 0;
}
int profit0 = 0;
int profit1 = -prices[0] - fee;//注意初始化的时候买入一个股票也要记得减去手续费
for (int i = 1;i < n;i++) {
int nextProfit0 = Math.max(profit0,profit1 + prices[i]);
int nextProfit1 = Math.max(profit1,profit0 - prices[i] - fee);//区别就是买入股票时剪掉一个手续费
profit0 = nextProfit0;
profit1 = nextProfit1;
}
return profit0;
}
}
题源:力扣
总结
股票问题的通用的动态规划方法就是三个特征:当前的天数i、允许的最大交易次数k以及每天结束时持有的股票数。要注意初始化和隐含条件。