leetcode309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。

搞清楚有哪些状态,以及状态怎么转移。画个图,看第 i i i天的三种状态的可能转移情况。注意:此题需要考虑冷却期。

题目

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]

思路

状态

对于某一天 i i i,有三种状态 j j j

  • 0 休息,即手上没有股票且当天也没有卖股。
  • 1 持股
  • 2 卖股

相应的,使用 d p [ i ] [ j ] dp[i][j] dp[i][j]表示第 i i i天,状态为 j j j时,手里所有的最大现金数。

先列出昨天到今天状态的所有转移情况:

(1)昨天为休息的状态:

昨天状态今天状态是否可以进行状态转移
00可以,继续休息
01可以,昨天没有股票,今天可以买股
02不可以,卖股之前必须先手里有股票

(2)昨天为持股的状态:

昨天状态今天状态是否可以进行状态转移
10不可以,持股想要休息之前,必须先将股票卖掉
11可以,继续持有股票
12可以,今天可以将股票卖出

(3)昨天为卖股的状态:

昨天状态今天状态是否可以进行状态转移
20可以,昨天卖股,今天可以休息
21不可以,必须进入冷却期,即卖出股票的第二天不能买股
22不可以,卖股之前必须持有股票

用图形直观的表示状态的情况,如下图所示:

未命名文件

状态转移

d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 2 ] ) dp[i][0]=max(dp[i-1][0],dp[i-1][2]) dp[i][0]=max(dp[i1][0],dp[i1][2])

d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 0 ] − p r i c e [ i ] , d p [ i − 1 ] [ 1 ] ) dp[i][1]=max(dp[i-1][0]-price[i],dp[i-1][1]) dp[i][1]=max(dp[i1][0]price[i],dp[i1][1])

d p [ i ] [ 2 ] = d p [ i − 1 ] [ 1 ] + p r i c e [ i ] dp[i][2]=dp[i-1][1]+price[i] dp[i][2]=dp[i1][1]+price[i]

初始化

d p [ 0 ] [ 0 ] = 0 dp[0][0] = 0 dp[0][0]=0:来的第一天休息,手里没钱

d p [ 0 ] [ 1 ] = − p r i c e [ 0 ] dp[0][1]=-price[0] dp[0][1]=price[0]来的第一天就买股了,手里欠钱

d p [ 0 ] [ 2 ] = 0 dp[0][2]=0 dp[0][2]=0:来的第一天就卖股了(当然是不可能的),手里这是也是现金0

代码

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0 ){
            return 0;
        }
        int[][] dp = new int[prices.length + 1][3];
        dp[0][0] = 0;//休息
        dp[0][1] = -prices[0];//持股
        dp[0][2] = 0;//卖股
        for(int i = 1;i < prices.length; i++){
            dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][2]);
            dp[i][1] = Math.max(dp[i -1][0] - prices[i],dp[i - 1][1]);
            dp[i][2] = dp[i - 1][1] + prices[i];
        }
        return Math.max(dp[prices.length - 1][0],dp[prices.length - 1][2]);
    }
}

时间复杂度—— O ( N ) O(N) O(N)

空间复杂度—— O ( N ) O(N) O(N)

空间优化

这里我们只需要昨天的三种状态的现金拥有情况。

代码一
class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0 ){
            return 0;
        }
        int[][] dp = new int[2][3];
        dp[0][0] = 0;//休息
        dp[0][1] = -prices[0];//持股
        dp[0][2] = 0;//卖股
        for(int i = 1;i < prices.length; i++){
            dp[i%2][0] = Math.max(dp[(i - 1)%2][0],dp[(i - 1)%2][2]);
            dp[i%2][1] = Math.max(dp[(i - 1)%2][0] - prices[i],dp[(i - 1)%2][1]);
            dp[i%2][2] = dp[(i - 1)%2][1] + prices[i];
        }
        return Math.max(dp[(prices.length-1)%2][0],dp[(prices.length - 1)%2][2]);
    }
}

时间复杂度—— O ( N ) O(N) O(N)

空间复杂度—— O ( 1 ) O(1) O(1)

代码二
class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0 ){
            return 0;
        }
        int[] dp = new int[3];
        dp[0] = 0;//休息
        dp[1] = -prices[0];//持股
        dp[2] = 0;//卖股
        int pre0 = dp[0];
        int pre1 = dp[1];
        for(int i = 1;i < prices.length; i++){
            dp[0] = Math.max(dp[0],dp[2]);
            dp[1] = Math.max(pre0 - prices[i],dp[1]);
            dp[2] = pre1 + prices[i];
            pre0 = dp[0];
            pre1 = dp[1];
        }
        return Math.max(dp[0],dp[2]);
    }
}

由于 d p [ 1 ] , d p [ 2 ] dp[1],dp[2] dp[1],dp[2]分别需要上一天的 d p [ 0 ] , d p [ 1 ] dp[0],dp[1] dp[0],dp[1],为了防止可能会覆盖的情况的,需要再定义两个变量记录上一次的情况。

时间复杂度—— O ( N ) O(N) O(N)

空间复杂度—— O ( 1 ) O(1) O(1)

参考

1、买卖股票的一系列问题

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

涛歌依旧fly

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值