股票问题总结

最新推荐文章于 2024-10-17 10:27:13 发布

zhang24360

最新推荐文章于 2024-10-17 10:27:13 发布

阅读量106

点赞数

分类专栏： leetcode 文章标签： java 开发语言

本文链接：https://blog.csdn.net/zhang24360/article/details/126343563

版权

leetcode 专栏收录该内容

14 篇文章 0 订阅

订阅专栏

本文探讨了使用动态规划解决股票买卖问题的方法，通过状态转移方程说明如何在限制交易次数的情况下计算最大利润。首先介绍了初始状态和状态转移的基本概念，然后提供了两种不同场景下的解决方案：一种考虑了交易次数的限制，另一种考虑了冷冻期。最后展示了Solution类中关键代码实现。

摘要由CSDN通过智能技术生成

dp[i][k][0 or 1] 0 <= i <= n - 1, 1 <= k <= K，n 为天数，大 K 为交易数的上限，0 和 1 代表是否持有股票

比如 dp[2][3][0] 的含义：今天是第二天，我现在手上没有持有股票，至今最多进行 3 次交易

状态转移方程

base case：

dp[-1][...][0] = dp[...][0][0] = 0

dp[-1][...][1] = dp[...][0][1] = -infinity

状态转移方程：

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

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

你买股票，初始的「状态」是什么？应该是从第 0 天开始，而且还没有进行过买卖，所以最大交易次数限制 k 应该是 max_k；而随着「状态」的推移，你会进行交易，那么交易次数上限 k 应该不断减少，这样一想，k = max_k, k-- 的方式是比较合乎实际场景的。

class Solution {
    public int maxProfit(int[] prices) {
        int max_k = 2;//限制最大交易次数2
        int dp[][][]=new int[prices.length+1][max_k+1][2];
//在第i天买卖股票的利润,0表示手中无股票，1表示手中有股票
        for(int i=0;i<=max_k;i++){
            dp[0][i][0]=0;
            dp[0][i][1]=-prices[0];
        }
        int max=0;
        for(int i=1;i<=prices.length;i++){
            for(int k=1;k<=max_k;k++){
                dp[i][k][1]=Math.max(dp[i-1][k-1][0]-prices[i-1],dp[i-1][k][1]);
                dp[i][k][0]=Math.max(dp[i-1][k][0],dp[i-1][k][1]+prices[i-1]);
                max=Math.max(max,dp[i][k][0]);
            }
        }
        return max;
    }
}

考虑冷冻期，且交易无限制

class Solution {
    public int maxProfit(int[] prices) {
        int dp[][]=new int[prices.length+1][2];//在第i天买卖股票的利润,0表示手中无股票，1表示手中有股票
        dp[0][0]=0;dp[0][1]=-prices[0];
        int max=0;
        for(int i=1;i<=prices.length;i++){
            if(i>=3)//第3天即以后，只能买大前天卖出的股票
                dp[i][1]=Math.max(dp[i-2][0]-prices[i-1],dp[i-1][1]);
            else
                dp[i][1]=Math.max(dp[i-1][0]-prices[i-1],dp[i-1][1]);
            dp[i][0]=Math.max(dp[i-1][0],dp[i-1][1]+prices[i-1]);
            max=Math.max(max,dp[i][0]);
        }
        return max;
    }
}