买卖股票有一系列题目
以下是我找出它们之间的区别:
第一题,只能买一次,从最低价入手,最高价卖出
第二题,可以买无数次,但买了之后,必须卖出之后,再来重新买入,再卖出。
第三题,只能买两次,但买了之后,必须卖出之后,再来重新买入,再卖出。
第四题,,只能买k次,k为既定数值,但买了之后,必须卖出之后,再来重新买入,再卖出。
第五题,可以买无数次,但在完成一次交易之后,存在一天的冷冻期,交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]。
第六题,可以买无数次,但一次交易存在手续费,在交易完成一次之后需要付出一定的手续费。
其中第一题可以说是后面题目的基础,
第一题
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 。
-
示例 1:
-
输入:[7,1,5,3,6,4]
-
输出:5
解释:在第 2 天(股票价格 = 1)的时候买入,在第 5 天(股票价格 = 6)的时候卖出,最大利润 = 6-1 = 5 。注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格;同时,你不能在买入前卖出股票。 -
示例 2:
-
输入:prices = [7,6,4,3,1]
-
输出:0
解释:在这种情况下, 没有交易完成, 所以最大利润为 0;
这个题目通过暴力来做是最简单通俗的,但咱们需要学习动态规划的思想,
于是来说说动态规划的做法,
第一步——递推的思路
很显然我们可以通过比较大小,来遍历数组中的数,然后留下最小的,然后再来遍历最小后面最大的数,找出最大的差值,这就是我们要输出的dp;
第二步——确定递推公式
定义一个两列n行的数组存放,
然后dp[i][0]
- 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]
那么dp[i][0]应该选所得现金最大的,所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
dp[i][1]
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价格卖出后所得现金即:prices[i] + dp[i - 1][0]
同样dp[i][1]取最大的,dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);
所以能得到:
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], prices[i] + dp[i - 1][0]);
}
然后进行初始化,
dp[0][0]=-price[0];
dp[0][1]=0;
第三步——确定遍历顺序
此题只需要一层循环,所以就用那个就行。
代码展示:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len=prices.size();
if(len==0) return 0;
vector<vector<int>>dp(len,vector<int>(2,0));//定义数组
dp[0][0]-=prices[0];//初始化
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]);//遍历
}
return dp[len-1][1];
}
};
第四步——举例
以示例1,输入:[7,1,5,3,6,4]为例,dp数组状态如下:
另外买卖股票的最佳时机II和买卖股票的最佳时机含手续费这两个题目和此题是非常相似的
给出代码先
买卖股票的最佳时机II:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len=prices.size();
if(len==0) return 0;
vector<vector<int>>dp(len,vector<int>(2,0));//定义数组
dp[0][0]-=prices[0];//初始化
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]);//和Ⅰ相比只有此处不同
dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]);//遍历
}
return dp[len-1][1];
}
};
dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]);
我来解释一下这个,就是在进行一次交易赚到利益之后,把利益的值减去又再次投入的值,进行了一个投入累加。
买卖股票的最佳时机含手续费:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len=prices.size();
if(len==0) return 0;
vector<vector<int>>dp(len,vector<int>(2,0));//定义数组
dp[0][0]-=prices[0];//初始化
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]-fee);//和Ⅱ相比只有此处不同
}
return dp[len-1][1];
}
};
dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i]-fee);
即每次交易完成后减去交易费fee,所以只用在Ⅱ的基础上进行一个相减即可。文章来源:https://www.toymoban.com/news/detail-798302.html
三四五题是一个类型的,我放到下次来讲。文章来源地址https://www.toymoban.com/news/detail-798302.html
到了这里,关于动态规划——买卖股票的最佳时机系列题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!