动态规划——买卖股票的最佳时机系列题

这篇具有很好参考价值的文章主要介绍了动态规划——买卖股票的最佳时机系列题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

买卖股票有一系列题目

动态规划——买卖股票的最佳时机系列题,动态规划,算法

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:

动态规划——买卖股票的最佳时机系列题,动态规划,算法

另外买卖股票的最佳时机II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。

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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • LeetCode:121.买卖股票的最佳时机——动态规划

    🍎道阻且长,行则将至。🍓 🌻算法,不如说它是一种思考方式🍀 算法专栏: 👉🏻123 关于动态规划:LeetCode:322. 零钱兑换——动态规划从案例入门 题目描述 :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

    2023年04月17日
    浏览(38)
  • 【Day53】代码随想录之动态规划part10——买卖股票的最佳时机、买卖股票的最佳时机II

    昨天已经把打家劫舍的问题解决了,最后一个题目涉及到树形dp比较难(等到二刷的时候再重点看下),今天的任务是解决股票问题。 今日任务: 121.买卖股票的最佳时机 122.买卖股票的最佳时机II Leetcode题目:【121.买卖股票的最佳时机】 因为此题中买卖股票只能买卖一次。

    2024年03月15日
    浏览(95)
  • 【学会动态规划】买卖股票的最佳时机 III(17)

    目录 动态规划怎么学? 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后: 学习一个算法没有捷径,更何况是学习动态规划, 跟我一起刷动态规划算法题,一起学会动态规划! 题目链接:123. 买卖股票的最佳时机 II

    2024年02月13日
    浏览(52)
  • 【学会动态规划】最佳买卖股票时机含冷冻期(15)

    目录 动态规划怎么学? 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后: 学习一个算法没有捷径,更何况是学习动态规划, 跟我一起刷动态规划算法题,一起学会动态规划! 题目链接:309. 最佳买卖股票时机含冷冻

    2024年02月14日
    浏览(53)
  • DAY55:动态规划(买卖股票的最佳时机3)

    这道题比上面状态更多,是因为卖出股票后,你无法在第二天买入股票 (即冷冻期为1天)。 状态 状态一:持有股票状态(今天买入股票,或者是之前就买入了股票然后没有操作,一直持有) 不持有股票状态,这里就有两种卖出股票状态 状态二:保持卖出股票的状态(两天前

    2024年02月22日
    浏览(45)
  • 【学会动态规划】买卖股票的最佳时机 IV(18)

    目录 动态规划怎么学? 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后: 学习一个算法没有捷径,更何况是学习动态规划, 跟我一起刷动态规划算法题,一起学会动态规划! 题目链接:188. 买卖股票的最佳时机 IV

    2024年02月13日
    浏览(41)
  • 动态规划-状态机(188. 买卖股票的最佳时机 IV)

    状态分类: f[i,j,0]考虑前i只股票,进行了j笔交易,目前未持有股票 所能获得最大利润 f[i,j,1]考虑前i只股票,进行了j笔交易,目前持有股票 所能获得最大利润 状态转移: f[i][j][0] = Math.max(f[i-1][j][0],f[i-1][j][1]+prices[i]); f[i][j][1] = Math.max(f[i-1][j][1],f[i-1][j-1][0]-prices[i]);   还有一位

    2024年02月08日
    浏览(43)
  • 【学会动态规划】买卖股票的最佳时机含手续费(16)

    目录 动态规划怎么学? 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后: 学习一个算法没有捷径,更何况是学习动态规划, 跟我一起刷动态规划算法题,一起学会动态规划! 这道题也不难理解,主要有两个点需要注

    2024年02月14日
    浏览(36)
  • 309. 买卖股票的最佳时机含冷冻期(leetcode) 动态规划思想

    在本文章中,我们将要详细介绍一下Leetcode中买卖股票的最佳时机含冷冻期相关的内容,本题采用动态规划的思想解决 列出dp表,dp表中值的含义是什么    dp[i]表示第i天之后此时的最大利润 由于第i天不确定具体状态,多状态dp问题     🌟 .dp[i][0]:手中有股票没有卖出,我

    2024年02月03日
    浏览(47)
  • 动态规划 Leetcode 714 买卖股票的最佳时机含手续费

    Leetcode 714 学习记录自代码随想录 要点:1.两种状态持有股票和不持有股票; 2.递推公式 d p [ i ] [ 0 ] = m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 1 ] − p r i c e s [ i ] ) d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 0 ] + p r i c e s [ i ] − f e e ) dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices

    2024年04月09日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包