代码随想录–动态规划部分
day 41 动态规划第8天
文章目录
- 代码随想录--动态规划部分
- 一、力扣121--买卖股票的最佳时机
- 二、力扣122--买卖股票的最佳时机Ⅱ
- 三、力扣123--买卖股票的最佳时机Ⅲ
- 总结
一、力扣121–买卖股票的最佳时机
代码随想录题目链接:代码随想录
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 。
dp数组设置成map
dp[i][0]代表第i天持有股票所得最多现金,而dp[i][1]代表未持有股票时最多的现金
所以如果购入,需要减去当天的价格
那么递推公式?dp[i][0]只面临两种情况,要么是在i之前就已经买了,那么肯定是要保持不变,即dp[i][0] = dp[i-1][0]
另一种情况是在i这里买,说明之前都没买入,则此时的钱一定是0,买入后变成-prices[i]
所以dp[i][0] = max(dp[i-1][0], -prices[i])
再考虑dp[i][1],要么是之前已经卖了,要么是现在卖,所以dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if (len == 0) return 0;
vector<vector<int>> dp(len, vector<int>(2));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < len; i++)
{
dp[i][0] = max(dp[i-1][0], -prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);
}
return dp[len-1][1];
}
};
二、力扣122–买卖股票的最佳时机Ⅱ
代码随想录题目链接:代码随想录
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
和上题区别在于能够重复购买了,所以在推导dp[i][0]时,如果要在i处购入,并不意味着之前的钱都是0,而要考虑交易后的钱了
也就是dp[i][0] = max(dp[i-1][0], -prices[i])
变成dp[i][0] = max(dp[i-1][0], dp[i-1][1] -prices[i])
考虑i-1时刻不持有股票的情况
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if (len == 0) return 0;
vector<vector<int>> dp(len, vector<int>(2));
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1; i < len; i++)
{
dp[i][0] = max(dp[i-1][0], dp[i-1][1] -prices[i]);
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);
}
return dp[len-1][1];
}
};
这个题确实不如贪心算法来的快,只考虑正收益,相加即可
三、力扣123–买卖股票的最佳时机Ⅲ
代码随想录题目链接:代码随想录
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。
第三个困难题了,区别在于,不是仅有一次买卖,也不是无限次买卖,而是最多两次
所以每天的状态不再是:有股票 和 没有股票
而是:无、第一次有、第一次无、第二次有、第二次无
那么dp数组就成了 N × 5 N\times 5 N×5的一个数组,每个维度都要有具体的递推公式
dp[i][0]不用想,没买过股票的情况,那自然一直是0,并且递推下去也都是0
dp[i][1]是第一次持有,要么是延续dp[i-1][1],说明之前就第一次持有了,要么是今天买,变成dp[i-1][0]-price[i]
dp[i][2]是第一次不持有,要么是延续dp[i-1][2],之前就卖了,要么是今天卖,变成dp[i-1][1]+prices[i]
那么34也是一样的,用3代替1,4代替2,2代替0即可
初始化只需要考虑第0天即可,dp[0][0] = 0, dp[0][1] = -prices[0], dp[0][2] = 0, 因为没得赚,同一天无利润
dp[0][3] = -prices[0],因为第二次买入是依赖第一次卖出剩余的钱再买入,而 dp[0][2] = 0
同理的,dp[0][4] = 0
代码如下:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
if(!len) return 0;
vector<vector<int>> dp(len, vector<int>(5));
dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;
for(int i = 1; i < len; i ++)
{
dp[i][0] = dp[i - 1][0];
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]);
dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i]);
dp[i][3] = max(dp[i-1][3], dp[i-1][2] - prices[i]);
dp[i][4] = max(dp[i-1][4], dp[i-1][3] + prices[i]);
}
return dp[len - 1][4];
}
};
总结
针对这类股票问题,dp数组定义为 N × 2 N\times 2 N×2一般就能够解决,用来存买入状态和卖出状态的价值即可