动态规划之股票类问题--一个通用方法团灭6道题

目录

一：股票类通用框架介绍

一：前言

二：穷举框架

三：状态转移框架

四.注意事项

五.总结

二：实战题目

题目一：买卖股票的最佳时机 （k =1）

题目二：买卖股票的最佳时机2 (k =正无穷大)

题目三：买卖股票的最佳时机3 （k = 2）

题目四：买卖股票的最佳时机3 （k = 任意整数）

第五题：最佳买卖股票时机含冷冻期

题目六：买卖股票的最佳时机含手续费

---

一：股票类通用框架介绍

一：前言

股票买卖问题是有共性的，我们先对第四题（限制最大交易次数为k）的分析一道一道解决。

因为第四题（限制最大交易次数为k）是最泛化的形式，其它问题都是这个形式的简化。

第一题：只进行一次交易，相当于k = 1;

第二题：不限交易次数，相当于k = 正无穷

第三题：只进行2次交易，相当于k = 2;

第五题和第六题：不限次数，增加六交易冷冻期和手续费的额外条件。

二：穷举框架

对于股票问题，我们不用递归思想进行穷举，而是利用状态进行穷举。

我们具体到每一天，看总共有几种可能的状态，再找出每个状态对应的选择。

我们穷举所有的状态，穷举的目的是根据对应的选择更新状态。

框架代码流程图：

for 状态1 in 状态1的所有取值：
    for 状态2  in  状态2的所有取值：
       for ...
          dp[状态1][状态2][...] = 择优（选择1，选择2，...）

股票问题，每天都有三种选择：买入，卖出，无操作，我们用buy，sell, rest表示这三种选择。

但问题是，并不是每天都可以任意选择这三种选择的，因为sell必须在buy之后，buy必须在sell之后。

那么rest操作还应该分两种状态，一种是buy之后的rest(持有股票)，一种是sell之后的rest(此时没有持有股票)。

注意，我们还有交易次数k的限制。就是说你buy还只能在k >0 的前提下操作。

    上面这么多都是为了进行穷举。股票问题的变量有三个：第一个是天数，第二个是允许交易的最大次数，

第三个是当前的持有状态（一般1表示持有，0表示没有持有）。我们使用一个三维数组装下这几种状态的全部组合。

dp[i][k][0 or 1]
0 <= i <= n-1, 1 <= k <= K
n为天数，K为最多交易数
此问题共n * K * 2种状态，全部穷举就能够搞定
for 0 <= i <= n:
    for 1 <= k <= K:
        for s in {0,1}:
            dp[i][k][s] = max{buy , sell , rest}

我们最后想求的答案是dp[n-1][K][0],即最后一天，最多允许k次交易，最多获得多少利润。

三：状态转移框架

上面完成了状态的穷举，我们思考每种状态有哪些选择，应该如何更新状态，只看持有状态，

画出状态转移图。

通过状态转移图，我们可以很清楚看到，每种状态（0和1）是如何转移而来的，

依据这个图，我们来写一下状态转移方程1

dp[i][k][0] = max(dp[i-1][k][0] , dp[i-1][k][1] + price[i])

即 max(选择rest,  选择sell)

状态转移方程解释： 今天我没有持有股票，有两种原因：

1）昨天就没有持有，今天选择rest，所以今天还是没有持有；

2）昨天持有股票，但是sell了，所以今天没有持有股票。

状态转移方程2:

dp[i][k][1] = max(dp[i-1][k][1] , dp[i-1][k-1][0] - price[i])

即 max(选择rest , 选择buy)

状态转移方程解释：

今天我持有股票，有两种可能：

1）要么我昨天就持有股票，然后今天选择rest；

2）要么昨天本就没有持有股票，但是今天选择buy。

四.注意事项

利润变化和k值改动

如果buy,就要从利润中减去price[i],如果sell,就要给利润增加prices[i].

今天的最大利润就是这两种可能选择较大的那个。而且注意k的限制，

我们在选择buy的时候，把k减少了1，因此sell的时候对k就不需要再次改动了。