文章目录
股票问题篇
21、买卖股票的最佳时机
力扣题目链接
动态规划
定义二维数组:dp[n][2]
状态表示:
dp[i][0]
表示第i
天没有持有股票所得最大现金(利润)
dp[i][1]
表示第i
天持有股票所得最大现金(利润)
状态计算:
-
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]
-
dp[i][1] = max(dp[i - 1][1], -prices[i])
-
第
i-1
天就持有股票,那么就保持现状(不买入),所得现金就是昨天持有股票的所得现金 即:dp[i - 1][1]
-
第
i
天买入股票(买入),所得现金就是买入今天的股票后所得现金即:-prices[i]
-
初始化:
f[0][1] = -prices[0];
f[0][0] = 0;
结果返回:f[n - 1][0]
:最后一天不持有股票的最大利润(要么买了股票然后卖出去赚钱了,要么没买即为0)
Code
class Solution {
public int maxProfit(int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][1] = -prices[0];
dp[0][0] = 0;
for(int i = 1; i < n; i++){
dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1],-prices[i]);
}
return dp[n - 1][0];
}
}
22、买卖股票的最佳时机II
力扣题目链接
本题和题I的唯一区别本题股票可以买卖多次了(注意只有一只股票,所以再次购买前要出售掉之前的股票)!
动态规划
定义二维数组:dp[n][2]
状态表示:
dp[i][0]
表示第i
天没有持有股票所得最大现金(利润)
dp[i][1]
表示第i
天持有股票所得最大现金(利润)
状态计算:
-
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]
——Ⅱ -
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0]-prices[i])
——Ⅰ-
第
i-1
天就持有股票,那么就保持现状(不买入),所得现金就是昨天持有股票的所得现金 即:dp[i - 1][1]
-
第
i
天买入股票(买入),所得现金就是买入今天的股票后所得现金即:dp[i - 1][0]-prices[i])
-
初始化:
f[0][1] = -prices[0];
f[0][0] = 0;
结果返回:f[n - 1][0]
:最后一天不持有股票的最大利润(要么买了股票然后卖出去赚钱了,要么没买即为0)
对比Ⅰ和Ⅱ买卖股票的最佳时机
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0]-prices[i])
dp[i][1] = max(dp[i - 1][1], -prices[i])
原因就是II
可以买卖多次就要积累前面赚到的最大利润,而I
只能买卖一次,刚刚买入时利润必定是-prices[i]
Code
二维数组
class Solution {
public int maxProfit(int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][1] = -prices[0];
dp[0][0] = 0;
for(int i = 1; i < n; i++){
dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][0] - prices[i]);
}
return dp[n - 1][0];
}
}
一维数组
// 优化空间
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[2];
dp[1] = -prices[0];
dp[0] = 0;
for(int i = 1; i < prices.length; i++){
dp[1] = Math.max(dp[1], dp[0] - prices[i]);
dp[0] = Math.max(dp[0], dp[1] + prices[i]);
}
return dp[0];
}
}
23、买卖股票的最佳时机Ⅲ
力扣题目链接
动规五部曲
- 确定dp数组以及下标含义
- 没有操作
- 第一次买入
- 第一次卖出
- 第二次买入
- 第二次卖出
dp[i
][j]中 i表示第i天,j为 [0 - 4] 五个状态,dp[i][j]
表示第i天状态j所剩最大现金
- 确定递推公式
dp[i][1]
,表示的是第i天,买入股票的状态,并不是说一定要第i天买入股票,有可能i-1天买的股票
达到dp[i
][1]状态,有两个具体操作:
- 操作一:第i天买入股票了,那么
dp[i][1] = dp[i-1][0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:
dp[i][1] = dp[i - 1][1]
同理dp[i][2]
也有两个操作:
- 操作一:第i天卖出股票了,那么
dp[i][2] = dp[i - 1][1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:
dp[i][2] = dp[i - 1][2]
每次dp第一种是上一个状态的延续,还有一种为本次的改变(买入或卖出)
同理可推出剩下状态部分:
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]);
dp[i][1] = Math.max(dp[i-1][1],-prices[i]);
dp[i][2] = Math.max(dp[i-1][2],dp[i-1][1]+prices[i]);
dp[i][3] = Math.max(dp[i-1][3],dp[i-1][2]-prices[i]);
dp[i][4] = Math.max(dp[i-1][4],dp[i-1][3]+prices[i]);
- dp数组初始化
第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;
第0天做第一次买入的操作,dp[0][1] = -prices[0];
存在一种情况当天买,当天卖
- 第一次持有或第二次持有
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
- 第一次不持有或第二次不持有
dp[0][2] = 0;
dp[0][4] = 0;
- 确定遍历顺序
从递归公式其实已经可以看出,一定是从前向后遍历,因为dp[i],依靠dp[i - 1]
的数值。
- 举例并推导dp数组
现在最大的时候一定是卖出的状态,而两次卖出的状态现金最大一定是最后一次卖出。
所以最终最大利润是dp[n-1][4]
Code
二维
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(prices==null||n==0){
return 0;
}
int[][] dp = new int[n][5];
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for(int i = 1; i < n; i++){
dp[i][1] = Math.max(dp[i-1][1],-prices[i]);
dp[i][2] = Math.max(dp[i-1][2],dp[i-1][1]+prices[i]);
dp[i][3] = Math.max(dp[i-1][3],dp[i-1][2]-prices[i]);
dp[i][4] = Math.max(dp[i-1][4],dp[i-1][3]+prices[i]);
}
return dp[n-1][4];
}
}
一维
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[5];
dp[1] = -prices[0];
dp[3] = -prices[0];
for(int i = 1; i < prices.length; i++){
dp[1] = Math.max(dp[1], -prices[i]);
dp[2] = Math.max(dp[2], dp[1]+prices[i]);
dp[3] = Math.max(dp[3], dp[2]-prices[i]);
dp[4] = Math.max(dp[4], dp[3]+ prices[i]);
}
return dp[4];
}
}
24、买卖股票的最佳时机Ⅳ
力扣题目链接
本题与Ⅲ的区别在于买卖股票k次,就是将Ⅲ抽象出来
动规五部曲
- 确定dp数组以及下标的含义
使用二维数组 dp[i][j]
:第i天的状态为j,所剩下的最大现金是dp[i][j]
j的状态表示为:
- 0 表示不操作
- 1 第一次买入
- 2 第一次卖出
- 3 第二次买入
- 4 第二次卖出
- j+1就是买入,j+2就是卖出
除了0以外,偶数就是卖出,奇数就是买入。
- 确定递推公式
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
- dp数组初始化
dp[0
][j]当j为奇数的时候都初始化为 -prices[0],j为偶数的时候都初始化为0
- 确定遍历顺序
一定是从前向后遍历,因为dp[i],依靠dp[i - 1]的数值。
- 举例并推导dp数组
最后一次卖出,一定是利润最大的,dp[prices.size() - 1][2 * k]
即红色部分就是最后求解
Code
二维:股票状态: 奇数表示第 k 次交易持有/买入, 偶数表示第 k 次交易不持有/卖出, 0 表示没有操作
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2*k+1];
for(int j = 1;j < 2*k; j += 2){
dp[0][j] = -prices[0];
}
for(int i = 1;i < n;i++){
for(int j = 0;j < 2*k;j += 2){
dp[i][j+1] = Math.max(dp[i-1][j+1],dp[i-1][j] - prices[i]);
dp[i][j+2] = Math.max(dp[i-1][j+2],dp[i-1][j+1] + prices[i]);
}
}
return dp[n - 1][2*k];
}
}
一维(参考)
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices.length == 0){
return 0;
}
if(k == 0){
return 0;
}
// 其实就是123题的扩展,123题只用记录2次交易的状态
// 这里记录k次交易的状态就行了
// 每次交易都有买入,卖出两个状态,所以要乘 2
int[] dp = new int[2 * k];
// 按123题解题格式那样,做一个初始化
for(int i = 0; i < dp.length / 2; i++){
dp[i * 2] = -prices[0];
}
for(int i = 1; i <= prices.length; i++){
dp[0] = Math.max(dp[0], -prices[i - 1]);
dp[1] = Math.max(dp[1], dp[0] + prices[i - 1]);
// 还是与123题一样,与123题对照来看
// 就很容易啦
for(int j = 2; j < dp.length; j += 2){
dp[j] = Math.max(dp[j], dp[j - 1] - prices[i-1]);
dp[j + 1] = Math.max(dp[j + 1], dp[j] + prices[i - 1]);
}
}
// 返回最后一次交易卖出状态的结果就行了
return dp[dp.length - 1];
}
}
25、最佳买卖股票时机含冷冻期
力扣题目链接
动规五部曲
- 确定dp数组以及下标的含义
dp[i][j]
,第i天状态为j,所剩的最多现金为dp[i][j]
。
-
确定递推公式
-
状态一:买入股票状态(今天买入股票,或者是之前就买入了股票然后没有操作)
dp[i][0]
-
卖出股票状态,这里就有两种卖出股票状态
- 状态二:两天前就卖出了股票,度过了冷冻期,一直没操作,今天保持卖出股票状态
dp[i][1]
- 状态三:今天卖出了股票
dp[i][2]
- 状态二:两天前就卖出了股票,度过了冷冻期,一直没操作,今天保持卖出股票状态
-
状态四:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
dp[i][3]
达到买入股票状态(状态一)即:dp[i
][0],有两个具体操作:
- 操作一:前一天就是持有股票状态(状态一),
dp[i][0] = dp[i - 1][0]
- 操作二:今天买入了,有两种情况
- 前一天是冷冻期(状态四),
dp[i - 1][3] - prices[i]
- 前一天是保持卖出股票状态(状态二),
dp[i - 1][1] - prices[i]
- 前一天是冷冻期(状态四),
所以操作二取最大值,即:max(dp[i - 1][3], dp[i - 1][1]) - prices[i]
那么dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]);
达到保持卖出股票状态(状态二)即:dp[i][1]
,有两个具体操作:
- 操作一:前一天就是状态二
- 操作二:前一天是冷冻期(状态四)
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3])
;
达到今天就卖出股票状态(状态三),即:dp[i][2]
,只有一个操作:
- 操作一:昨天一定是买入股票状态(状态一),今天卖出
即:dp[i][2] = dp[i - 1][0] + prices[i]
;
达到冷冻期状态(状态四),即:dp[i][3]
,只有一个操作:
- 操作一:昨天卖出了股票(状态三)
dp[i][3] = dp[i - 1
][2];
综上分析,递推代码如下:
dp[i][0] = Math.max(dp[i-1][0],Math.max(dp[i-1][1] - prices[i],dp[i-1][3] - prices[i]));
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][3]);
dp[i][2] = (dp[i-1][0] + prices[i]);
dp[i][3] = (dp[i-1][2]);
- dp数组初始化
对于在定义中没有意义的数组,可通过递推公式确定
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[0][2] = 0;
dp[0][3] = 0;
- 确定遍历顺序
从递归公式上可以看出,dp[i] 依赖于 dp[i-1]
,所以是从前向后遍历。
- 举例并推导dp数组
取最大值
return Math.max(dp[n-1][1],Math.max(dp[n-1][2],dp[n-1][3]));
Code
class Solution {
public int maxProfit(int[] prices) {
if(prices==null|prices.length==0) return 0;
int n = prices.length;
int[][] dp = new int[n][4];
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[0][2] = 0;
dp[0][3] = 0;
for(int i = 1;i < n;i++){
dp[i][0] = Math.max(dp[i-1][0],Math.max(dp[i-1][1] - prices[i],dp[i-1][3] - prices[i]));
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][3]);
dp[i][2] = (dp[i-1][0] + prices[i]);
dp[i][3] = (dp[i-1][2]);
}
return Math.max(dp[n-1][1],Math.max(dp[n-1][2],dp[n-1][3]));
}
}
26、买卖股票的最佳时机含手续费
力扣题目链接
动规五部曲
- 确定dp数组以及下标的含义
``dp[i][j]`表示第i天的状态为j,所剩的最多现金
- 确定递推公式
dp[i][0]
表示第i天持有股票所剩最多现金。 dp[i][1]
表示第i天不持有股票所得最多现金
如果第i天持有股票即dp[i][0]
, 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:
dp[i - 1][0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:
dp[i - 1][1] - prices[i]
在来看看如果第i天不持有股票即dp[i][1]
的情况, 依然可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:
dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金即:
dp[i - 1][0] + prices[i] - fee
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0] + prices[i] - fee);
- dp数组初始化
dp[0][0] = -prices[0];
dp[0][1] = 0;
- 确定遍历顺序
从递归公式上可以看出,dp[i] 依赖于 dp[i-1]
,所以是从前向后遍历。
Code
二维
class Solution {
public int maxProfit(int[] prices, int fee) {
if(prices==null||prices.length==0) return 0;
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1;i < n;i++){
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0] + prices[i] - fee);
}
return dp[n-1][1];
}
}
一维
class Solution {
public int maxProfit(int[] prices, int fee) {
if(prices==null||prices.length==0) return 0;
int n = prices.length;
int[] dp = new int[2];
dp[0] = -prices[0];
dp[1] = 0;
for(int i = 1;i < n;i++){
dp[0] = Math.max(dp[0],dp[1] - prices[i]);
dp[1] = Math.max(dp[1],dp[0] + prices[i] - fee);
}
return dp[1];
}
}
股票问题总结篇
卖股票的最佳时机
【动态规划】
dp[i][0]
表示第i天持有股票所得现金。dp[i][1]
表示第i天不持有股票所得现金。
如果第i天持有股票即dp[i][0]
, 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:
dp[i - 1][0]
- 第i天买入股票,所得现金就是买入今天的股票后所得现金即:-prices[i] 所以
dp[i][0] = max(dp[i - 1][0], -prices[i]);
如果第i天不持有股票即dp[i][1]
, 也可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:
dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票佳价格卖出后所得现金即:
prices[i] + dp[i - 1][0] 所以dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
Code
class Solution {
public int maxProfit(int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][1] = -prices[0];
dp[0][0] = 0;
for(int i = 1; i < n; i++){
dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1],-prices[i]);
}
return dp[n - 1][0];
}
}
买卖股票的最佳时机II
【动态规划】
dp数组定义:
dp[i][0]
表示第i天持有股票所得现金dp[i][1]
表示第i天不持有股票所得最多现金
如果第i天持有股票即dp[i][0]
, 那么可以由两个状态推出来
- 第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:
dp[i - 1][0]
- 第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:
dp[i - 1][1] - prices[i]
在121. 买卖股票的最佳时机中,因为股票全程只能买卖一次,所以如果买入股票,那么第i天持有股票即dp[i][0]
一定就是 -prices[i]。
而本题**,因为一只股票可以买卖多次**,所以当第i天买入股票的时候,所持有的现金可能有之前买卖过的利润。
Code
二维数组
class Solution {
public int maxProfit(int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][1] = -prices[0];
dp[0][0] = 0;
for(int i = 1; i < n; i++){
dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] + prices[i]);
dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][0] - prices[i]);
}
return dp[n - 1][0];
}
}
一维数组
// 优化空间
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[2];
dp[1] = -prices[0];
dp[0] = 0;
for(int i = 1; i < prices.length; i++){
dp[1] = Math.max(dp[1], dp[0] - prices[i]);
dp[0] = Math.max(dp[0], dp[1] + prices[i]);
}
return dp[0];
}
}
买卖股票的最佳时机Ⅲ
【动态规划】
一天一共就有五个状态,
- 没有操作
- 第一次买入
- 第一次卖出
- 第二次买入
- 第二次卖出
dp[i][j]
中 i表示第i天,j为 [0 - 4] 五个状态,dp[i][j]
表示第i天状态j所剩最大现金。
达到dp[i][1]
状态,有两个具体操作:
- 操作一:第i天买入股票了,那么
dp[i][1] = dp[i-1][0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:
dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);
同理dp[i][2]
也有两个操作:
- 操作一:第i天卖出股票了,那么
dp[i][2] = dp[i - 1][1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:
dp[i][2] = dp[i - 1][2]
所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可推出剩下状态部分:
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]);
Code
二维
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if(prices==null||n==0){
return 0;
}
int[][] dp = new int[n][5];
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for(int i = 1; i < n; i++){
dp[i][1] = Math.max(dp[i-1][1],-prices[i]);
dp[i][2] = Math.max(dp[i-1][2],dp[i-1][1]+prices[i]);
dp[i][3] = Math.max(dp[i-1][3],dp[i-1][2]-prices[i]);
dp[i][4] = Math.max(dp[i-1][4],dp[i-1][3]+prices[i]);
}
return dp[n-1][4];
}
}
一维
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[5];
dp[1] = -prices[0];
dp[3] = -prices[0];
for(int i = 1; i < prices.length; i++){
dp[1] = Math.max(dp[1], -prices[i]);
dp[2] = Math.max(dp[2], dp[1]+prices[i]);
dp[3] = Math.max(dp[3], dp[2]-prices[i]);
dp[4] = Math.max(dp[4], dp[3]+ prices[i]);
}
return dp[4];
}
}
买卖股票的最佳时机Ⅳ
使用二维数组 dp[i][j]
:第i天的状态为j,所剩下的最大现金是dp[i][j]
j的状态表示为:
- 0 表示不操作
- 1 第一次买入
- 2 第一次卖出
- 3 第二次买入
- 4 第二次卖出
- …
除了0以外,偶数就是卖出,奇数就是买入。
- 确定递推公式
达到dp[i][1]
状态,有两个具体操作:
- 操作一:第i天买入股票了,那么
dp[i][1] = dp[i - 1][0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:
dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
同理dp[i][2]
也有两个操作:
- 操作一:第i天卖出股票了,那么
dp[i][2] = dp[i - 1][1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:
dp[i][2] = dp[i - 1][2]
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
Code
二维:股票状态: 奇数表示第 k 次交易持有/买入, 偶数表示第 k 次交易不持有/卖出, 0 表示没有操作
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices==null||prices.length==0){
return 0;
}
int n = prices.length;
int[][] dp = new int[n][2*k+1];
for(int j = 1;j < 2*k; j += 2){
dp[0][j] = -prices[0];
}
for(int i = 1;i < n;i++){
for(int j = 0;j < 2*k;j += 2){
dp[i][j+1] = Math.max(dp[i-1][j+1],dp[i-1][j] - prices[i]);
dp[i][j+2] = Math.max(dp[i-1][j+2],dp[i-1][j+1] + prices[i]);
}
}
return dp[n - 1][2*k];
}
}
一维(参考)
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices.length == 0){
return 0;
}
if(k == 0){
return 0;
}
// 其实就是123题的扩展,123题只用记录2次交易的状态
// 这里记录k次交易的状态就行了
// 每次交易都有买入,卖出两个状态,所以要乘 2
int[] dp = new int[2 * k];
// 按123题解题格式那样,做一个初始化
for(int i = 0; i < dp.length / 2; i++){
dp[i * 2] = -prices[0];
}
for(int i = 1; i <= prices.length; i++){
dp[0] = Math.max(dp[0], -prices[i - 1]);
dp[1] = Math.max(dp[1], dp[0] + prices[i - 1]);
// 还是与123题一样,与123题对照来看
// 就很容易啦
for(int j = 2; j < dp.length; j += 2){
dp[j] = Math.max(dp[j], dp[j - 1] - prices[i-1]);
dp[j + 1] = Math.max(dp[j + 1], dp[j] + prices[i - 1]);
}
}
// 返回最后一次交易卖出状态的结果就行了
return dp[dp.length - 1];
}
}
最佳买卖股票时机含冷冻期
-
dp[i][j]
,第i天状态为j,所剩的最多现金为dp[i][j]
。 -
状态一:买入股票状态(今天买入股票,或者是之前就买入了股票然后没有操作)
dp[i][0]
-
卖出股票状态,这里就有两种卖出股票状态
- 状态二:两天前就卖出了股票,度过了冷冻期,一直没操作,今天保持卖出股票状态
dp[i][1]
- 状态三:今天卖出了股票
dp[i][2]
- 状态二:两天前就卖出了股票,度过了冷冻期,一直没操作,今天保持卖出股票状态
-
状态四:今天为冷冻期状态,但冷冻期状态不可持续,只有一天!
dp[i][3]
达到买入股票状态(状态一)即:dp[i
][0],有两个具体操作:
- 操作一:前一天就是持有股票状态(状态一),
dp[i][0] = dp[i - 1][0]
- 操作二:今天买入了,有两种情况
- 前一天是冷冻期(状态四),
dp[i - 1][3] - prices[i]
- 前一天是保持卖出股票状态(状态二),
dp[i - 1][1] - prices[i]
- 前一天是冷冻期(状态四),
所以操作二取最大值,即:max(dp[i - 1][3], dp[i - 1][1]) - prices[i]
那么dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]);
达到保持卖出股票状态(状态二)即:dp[i][1]
,有两个具体操作:
- 操作一:前一天就是状态二
- 操作二:前一天是冷冻期(状态四)
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3])
;
达到今天就卖出股票状态(状态三),即:dp[i][2]
,只有一个操作:
- 操作一:昨天一定是买入股票状态(状态一),今天卖出
即:dp[i][2] = dp[i - 1][0] + prices[i]
;
达到冷冻期状态(状态四),即:dp[i][3]
,只有一个操作:
- 操作一:昨天卖出了股票(状态三)
dp[i][3] = dp[i - 1
][2];
综上分析,递推代码如下:
dp[i][0] = Math.max(dp[i-1][0],Math.max(dp[i-1][1] - prices[i],dp[i-1][3] - prices[i]));
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][3]);
dp[i][2] = (dp[i-1][0] + prices[i]);
dp[i][3] = (dp[i-1][2]);
Code
class Solution {
public int maxProfit(int[] prices) {
if(prices==null|prices.length==0) return 0;
int n = prices.length;
int[][] dp = new int[n][4];
dp[0][0] = -prices[0];
dp[0][1] = 0;
dp[0][2] = 0;
dp[0][3] = 0;
for(int i = 1;i < n;i++){
dp[i][0] = Math.max(dp[i-1][0],Math.max(dp[i-1][1] - prices[i],dp[i-1][3] - prices[i]));
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][3]);
dp[i][2] = (dp[i-1][0] + prices[i]);
dp[i][3] = (dp[i-1][2]);
}
return Math.max(dp[n-1][1],Math.max(dp[n-1][2],dp[n-1][3]));
}
}
买卖股票的最佳时机含手续费
-
dp[i][j]
表示第i天的状态为j,所剩的最多现金 -
dp[i][0]
表示第i天持有股票所剩最多现金。dp[i][1]
表示第i天不持有股票所得最多现金,如果第i天持有股票即dp[i][0]
, 那么可以由两个状态推出来 -
第i-1天就持有股票,那么就保持现状,所得现金就是昨天持有股票的所得现金 即:
dp[i - 1][0]
-
第i天买入股票,所得现金就是昨天不持有股票的所得现金减去 今天的股票价格 即:
dp[i - 1][1] - prices[i]
在来看看如果第i天不持有股票即dp[i][1]
的情况, 依然可以由两个状态推出来
- 第i-1天就不持有股票,那么就保持现状,所得现金就是昨天不持有股票的所得现金 即:
dp[i - 1][1]
- 第i天卖出股票,所得现金就是按照今天股票价格卖出后所得现金即:
dp[i - 1][0] + prices[i] - fee
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0] + prices[i] - fee);
Code
二维
class Solution {
public int maxProfit(int[] prices, int fee) {
if(prices==null||prices.length==0) return 0;
int n = prices.length;
int[][] dp = new int[n][2];
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i = 1;i < n;i++){
dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] - prices[i]);
dp[i][1] = Math.max(dp[i-1][1],dp[i-1][0] + prices[i] - fee);
}
return dp[n-1][1];
}
}
一维
class Solution {
public int maxProfit(int[] prices, int fee) {
if(prices==null||prices.length==0) return 0;
int n = prices.length;
int[] dp = new int[2];
dp[0] = -prices[0];
dp[1] = 0;
for(int i = 1;i < n;i++){
dp[0] = Math.max(dp[0],dp[1] - prices[i]);
dp[1] = Math.max(dp[1],dp[0] + prices[i] - fee);
}
return dp[1];
}
}