【专题讲解】动态规划3——股票问题_可持有多股的股票问题动态规划-CSDN博客

本文链接：https://blog.csdn.net/zcz5566719/article/details/106389904

本文深入探讨股票问题中的动态规划解法，包括只能交易一次、无限交易、有冷却期和含手续费的情况，并提供基本方法、初始值设定及转移方程的详细说明。

摘要由CSDN通过智能技术生成

引言

股票问题是dp问题中很重要的一类问题，其主要思想是每次分为持有股票和持有现金两个状态，这两个状态分别可以从前一天保持和当天改变得到。

基本方法 :

dp[i][0][k] 表示在第i天，持有现金的情况，且此时还可以进行的交易次数数k
dp[i][1][k] 表示在第i天，持有股票的情况，且此时还可以进行的交易次数数k

初始值设定：

一般情况下，我个人喜欢对dp进行padding，也就是构造n+1行2列的dp。
初始时，不可能持有股票，因此dp[0][1] = float('-inf')。而不持有股票时，收益为0dp[0][0] = 0。
对于转手次数，k = 0时，不可能发生交易。因此dp[i][0][0], dp[i][0][1] = 0, float('-inf')

转移方程：

每次进行转移时:
dp[i][0][k] = max(dp[i-1][0][k], dp[i-1][1][k]+prices[i])
dp[i][1][k] = max(dp[i-1][1][k], dp[i-1][0][k-1]-prices[i])
注意，是在买入时候，减少次数

只能交易一次的股票

在这里插入图片描述

因为只能交易一次，因此我们可以使用不断寻找最小值的思路。维护一个最小的minPrice，和一个当前的最大收益maxProfix。


    public int maxProfit(int[] prices) {
   
        int n = prices.length;
        int max = 0;
        int min = prices[0];
        for (int i = 1;i<n;i++){
   
            if(min>prices[i]){
   
                min = prices[i];
            }else{
   
                max = Math.max(prices[i]-min, max);
            }
        }
        return max;
    }
}

可以无穷交易的

在这里插入图片描述

对于交易次数没有限制了。可以尝试交易无穷次。因为可以使用dp数组，当然也可以在空间上进行升级。

class Solution {
   
    public int maxProfit(int[] prices) {
   
        // 关键在于注意边界条件，在第一天的时候持有股票是负数
        int n = prices.length;
        int[] dp = new int[2];
        dp[0] = 0; // 不持有股票
        dp[1] = -prices[0]