30、买卖股票的最好时机
买卖股票的最好时机(一)
描述
假设你有一个数组prices,长度为n,其中prices[i]是股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益
1.你可以买入一次股票和卖出一次股票,并非每天都可以买入或卖出一次,总共只能买入和卖出一次,且买入必须在卖出的前面的某一天
2.如果不能获取到任何利润,请返回0
3.假设买入卖出均无手续费
数据范围: 0≤n≤105,0≤val≤1040 \le n \le 10^5 , 0 \le val \le 10^40≤n≤105,0≤val≤104
要求:空间复杂度 O(1)O(1)O(1),时间复杂度 O(n)O(n)O(n)
示例1
输入:[8,9,2,5,4,7,1]
返回值:5
说明:在第3天(股票价格 = 2)的时候买入,在第6天(股票价格 = 7)的时候卖出,最大利润 = 7-2 = 5,不能选择在第2天买入,第3天卖出,这样就亏损7了;同时,你也不能在买入前卖出股票。
示例2
输入:[2,4,1]
返回值: 2
示例3
输入: [3,2,1]
返回值: 0
思路:
对于每天有到此为止的最大收益和是否持股两个状态,因此我们可以用动态规划。
具体做法:
step 1:用dp[i][0]表示第i天不持股到该天为止的最大收益,dp[i][1]表示第i天持股,到该天为止的最大收益。
step 2:(初始状态) 第一天不持股,则总收益为0,dp[0][0]=0;第一天持股,则总收益为买股票的花费,此时为负数,dp[0][1]=−prices[0]。
step 3:(状态转移) 对于之后的每一天,如果当天不持股,有可能是前面的若干天中卖掉了或是还没买,因此到此为止的总收益和前一天相同,也有可能是当天才卖掉,我们选择较大的状态dp[i][0]=max(dp[i−1][0],dp[i−1][1]+prices[i]);
step 4:如果当天持股,有可能是前面若干天中买了股票,当天还没卖,因此收益与前一天相同,也有可能是当天买入,此时收益为负的股价,同样是选取最大值:dp[i][1]=max(dp[i−1][1],−prices[i])。
import java.util.*;public class Solution {/**** @param prices int整型一维数组* @return int整型*/public int maxProfit (int[] prices) {// write code here//1、获取数组prces的长度nint n = prices.length;//2、dp[i][0]表示某一天不持股到改天为止的最大收益,dp[i][1]表示某天持股,到该天为止的最大收益int[][] dp = new int[n][2];//3、第一天不持股,总收益为0dp[0][0] = 0;//4、第一天持股,总收益为减去该天的股价dp[0][1] = -prices[0];//5、遍历后续每天,状态转移for (int i = 1; i < n; i++) {//5.1如果当天不持股,有可能是前面的若干天中卖掉了或是还没有买,因此到此为止的总收益和前一天相同。//也有可能当天才卖掉,我们选择较大的状态dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);//5.2如果当天持股,有可能是前面若干天中买了股票,当天还没卖,因此收益与前一天相同//也有可能当卖入,此时收益为负的股价,同样是选取最大值dp[i][1]=max(dp[i-1][1],-prices[i])dp[i][1] = Math.max(dp[i - 1][1], -prices[i]);}//6、最后一天不持股,到该天为止的最大收益return dp[n - 1][0];}
}
买卖股票的最好时机(二)
描述
假设你有一个数组prices,长度为n,其中prices[i]是某只股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益
- 你可以多次买卖该只股票,但是再次购买前必须卖出之前的股票
- 如果不能获取收益,请返回0
- 假设买入卖出均无手续费
数据范围: 1≤n≤1×1051 \le n \le 1 \times 10^51≤n≤1×105 , 1≤prices[i]≤1041 \le prices[i] \le 10^41≤prices[i]≤104
要求:空间复杂度 O(n)O(n)O(n),时间复杂度 O(n)O(n)O(n)
进阶:空间复杂度 O(1)O(1)O(1),时间复杂度 O(n)O(n)O(n)
示例1
输入:[8,9,2,5,4,7,1]
返回值: 7
说明:
在第1天(股票价格=8)买入,第2天(股票价格=9)卖出,获利9-8=1
在第3天(股票价格=2)买入,第4天(股票价格=5)卖出,获利5-2=3
在第5天(股票价格=4)买入,第6天(股票价格=7)卖出,获利7-4=3 总获利1+3+3=7,返回7
示例2
输入: [5,4,3,2,1]
返回值:0
说明: 由于每天股票都在跌,因此不进行任何交易最优。最大收益为0。
示例3
输入: [1,2,3,4,5]
返回值: 4
说明: 第一天买进,最后一天卖出最优。中间的当天买进当天卖出不影响最终结果。最大收益为4。
备注: 总天数不大于200000。保证股票每一天的价格在[1,100]范围内。
题目主要信息:
给出一个数组表示连续多日的股票价格
你可以选择在某一天买入股票,在另一天卖出股票,买卖可以有多次机会,但是同一天只能买或者只能卖
假设买卖没有手续费,问最高收益是多少,即卖出的价格减去买入的价格,如果没有利润需要返回0
思路:
这道题与买卖股票的最好时机(一)的区别在于可以多次买入卖出。 但是对于每天还是有到此为止的最大收益和是否持股两个状态,因此我们照样可以用动态规划。
具体做法:
step 1:用dp[i][0]表示第i天不持股到该天为止的最大收益,dp[i][1]dp[i][1]dp[i][1]表示第i天持股,到该天为止的最大收益。
step 2:(初始状态) 第一天不持股,则总收益为0,dp[0][0]=0;第一天持股,则总收益为买股票的花费,此时为负数,dp[0][1]=−prices[0]。
step 3:(状态转移) 对于之后的每一天,如果当天不持股,有可能是前面的若干天中卖掉了或是还没买,因此到此为止的总收益和前一天相同,也有可能是当天卖掉股票,我们选择较大的状态dp[i][0]=max(dp[i−1][0],dp[i−1][1]+prices[i]);
step4:如果当天持股,可能是前几天买入的还没卖,因此收益与前一天相同,也有可能是当天买入,减去买入的花费,同样是选取最大值:dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i])。
import java.util.*;public class Solution {/*** 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可* 计算最大收益* @param prices int整型一维数组 股票每一天的价格* @return int整型*/public int maxProfit (int[] prices) {// write code here//1.得到prices的长度int n = prices.length;//2.dp[i][0]表示某一天不持股到该天为止的最大收益,dp[i][1]表示某天持股,到该天为止的最大收益int[][] dp = new int[n][2];//3.第一天不持股,总收益为0dp[0][0] = 0;//4.第一天持股,总收益 为减去该天的股价dp[0][1] = -prices[0];//5.遍历后续每天,状态转移for (int i = 1; i < n; i++) {//5.1如果当天不持股,有可能是前面的若干天中卖掉或是没买,因此到此为止的总收益和前一天相同//也有可能当天卖掉股票,我们选择较大的状态dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[i])dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);//5.2如果当天持股,可能是前近几天买入的还没卖,因此收益与前一天相同//也有可能是当天卖入,减去卖入的花费,同样是选取最大值 dp[i][1]=max(dp[i-1][1],dp[i-1[1]+prices[i]])dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);}//6.最后一天不持股,到该天为止的最大收益return dp[n - 1][0];}
}
买卖股票的最好时机(三)
描述
假设你有一个数组prices,长度为n,其中prices[i]是某只股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益
- 你最多可以对该股票有两笔交易操作,一笔交易代表着一次买入与一次卖出,但是再次购买前必须卖出之前的股票
- 如果不能获取收益,请返回0
- 假设买入卖出均无手续费
数据范围:1≤n≤1051 \le n \le 10^51≤n≤105,股票的价格满足 1≤val≤1041 \le val\le 10^41≤val≤104
要求: 空间复杂度 O(n)O(n)O(n),时间复杂度 O(n)O(n)O(n)
进阶:空间复杂度 O(1)O(1)O(1),时间复杂度 O(n)O(n)O(n)
示例1
输入: [8,9,3,5,1,3]
返回值: 4
说明: 第三天(股票价格=3)买进,第四天(股票价格=5)卖出,收益为2 第五天(股票价格=1)买进,第六天(股票价格=3)卖出,收益为2
总收益为4。
示例2
输入:[9,8,4,1]
返回值:0
示例3
输入: [1,2,8,3,8]
返回值: 12
说明: 第一笔股票交易在第一天买进,第三天卖出;第二笔股票交易在第四天买进,第五天卖出;总收益为12。
因最多只可以同时持有一只股票,所以不能在第一天进行第一笔股票交易的买进操作,又在第二天进行第二笔股票交易的买进操作(此时第一笔股票交易还没卖出),最后两笔股票交易同时在第三天卖出,也即以上操作不满足题目要求。
备注: 总天数不大于200000。保证股票每一天的价格在[1,100]范围内。
题目主要信息:
给出一个数组表示连续多日的股票价格
你可以选择在某一天买入股票,在另一天卖出股票,可以最多买入两次卖出两次,但是第二次买入必须在第一次卖出后,且每天只能进行一次操作
假设买卖没有手续费,问最高收益是多少,即卖出的价格减去买入的价格,如果没有利润需要返回0
思路:
这道题与买卖股票的最好时机(一)的区别在于最多可以买入卖出2次,那实际上相当于它的状态多了几个,对于每天有到此为止的最大收益和持股情况两个状态,持股情况有了5种变化,我们用:
dp[i][0]表示到第i天为止没有买过股票的最大收益
dp[i][1]表示到第i天为止买过一次股票还没有卖出的最大收益
dp[i][2]表示到第i天为止买过一次也卖出过一次股票的最大收益
dp[i][3]表示到第i天为止买过两次只卖出过一次股票的最大收益
dp[i][4]表示到第i天为止买过两次同时也买出过两次股票的最大收益
于是使用动态规划,有了如下的状态转移
具体做法:
step 1:(初始状态) 与上述提到的题类似,第0天有买入了和没有买两种状态:dp[0][0]=0、dp[0][1]=−prices[0]。
step 2:状态转移: 对于后续的每一天,如果当天还是状态0,则与前一天相同,没有区别;
step 3:如果当天状态为1,可能是之前买过了或者当天才第一次买入,选取较大值:dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i]);
step 4:如果当天状态是2,那必须是在1的状态下(已经买入了一次)当天卖出第一次,或者早在之前就卖出只是还没买入第二次,选取较大值:dp[i][2]=max(dp[i−1][2],dp[i−1][1]+prices[i]);
step 5:如果当天状态是3,那必须是在2的状态下(已经卖出了第一次)当天买入了第二次,或者早在之前就买入了第二次,只是还没卖出,选取较大值:dp[i][3]=max(dp[i−1][3],dp[i−1][2]−prices[i]);
step 6:如果当天是状态4,那必须是在3的状态下(已经买入了第二次)当天再卖出第二次,或者早在之前就卖出了第二次,选取较大值:dp[i][4]=max(dp[i−1][4],dp[i−1][3]+prices[i])。
step 7:最后我们还要从0、第一次卖出、第二次卖出中选取最大值,因为有可能没有收益,也有可能只交易一次收益最大。
import java.util.*;public class Solution {/*** 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可* 两次交易所能获得的最大收益* @param prices int整型一维数组 股票每一天的价格* @return int整型*/public int maxProfit (int[] prices) {// write code here//1.获取prices的长度 nint n = prices.length;//2.dp[i][0]表示某一天不持股到该天为止的最大收益,dp[i][1]表示某天持股,到该天为止的最大收益int[][] dp = new int[n][5];//3.初始化dp为最小Arrays.fill(dp[0], -10000);//4.第0天不持有状态dp[0][0] = 0;//5.第0天持有股票dp[0][1] = -prices[0];//6.状态转移for (int i = 1; i < n; i++) {//6.1如果当天状态是0,则与前一天相同dp[i][0] = dp[i - 1][0];//6.2如果当天的状态为1,可能之前买过了或者当天才第一次买入,选取最大值dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i])dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);//6.3如果当天状态是2,那必须是在1的状态下(已经买入了一次) 当天卖出第一次,或者早在之前卖出只是还没买入第二次,选取最大值 dp[i][2]=max(dp[i-1][2],dp[i-1][1]+prices[i])dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);//6.4如果当天状态是3,那必须是在2的状态下(已经卖出了第一次)当天迈入了第二次,或者早在之前就买入了第二次,只是还没卖,选取最大值dp[i][3]=max(dp[i-1][3],dp[i-1][2]=prices[i])dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);//6.5如果当天状态是4,那必须是在3的状态下(已经买入第二次)当天 卖出第二次,或者早在之前就卖出第二次 选取较大值dp[i][4]=max(dp[i-1][4],dp[i-1][3]+prices[i])dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);}//7.选取最大值,可以只操作一次(最后我们还是要从0、第一次卖出、第二次卖出中选取最大值,因为有可能没有收益,也有可能只交易一次收益最大)return Math.max(dp[n - 1][2], Math.max(0, dp[n - 1][4]));}
}
30、买卖股票的最好时机相关推荐
- 牛客题霸 [买卖股票的最好时机] C++题解/答案
买卖股票的最好时机 题解: 设两个变量,一个为minn,一个为maxx 当遇到比当前minn还小的价钱时,就更新minn 当与minn大时,就计算如果这个价卖出,赚多少钱,maxx不断更新取最大值 这 ...
- DP31 买卖股票的最好时机(二)、(三)、(四)
买卖股票的最好时机(二) 描述 假设你有一个数组prices,长度为n,其中prices[i]是某只股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益 1. 你可以多次买卖该只股票, ...
- dp(八)买卖股票的最好时机 (一,二、三)
目录 买卖股票的最好时机(一)_牛客题霸_牛客网 买卖股票的最好时机(二)_牛客题霸_牛客网 买卖股票的最好时机(三)_牛客题霸_牛客网 假设你有一个数组prices,长度为n,其中prices[i] ...
- 买卖股票的最好时机(一、二)
目录 买卖股票的最好时机(一) 动态规划解决 贪心思想解决 买卖股票的最好时机(二) 贪心思想解决 动态规划解决 买卖股票是经典的动态规划问题,在动态规划的学习与练习中,最令我煎熬的就是状态方程递推, ...
- 动态规划——买卖股票的最好时机(Leetcode 121)
题目选自Leetcode 121. 买卖股票的最佳时机 提示:股票系列问题有共通性,但难度较大,初次接触此类问题的话很难看懂下述思路,建议直接看labuladong大神的题解 题目描述: 解题思路: ...
- 【力扣刷题】121.买卖股票的最好时机(python)
题目简述 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 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票.设计 ...
- JZ63 买卖股票的最好时机(一)
描述 假设你有一个数组prices,长度为n,其中prices[i]是股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益 1.你可以买入一次股票和卖出一次股票,并非每天都可以买入或卖 ...
- NC7 买卖股票的最好时机(一)
假设你有一个数组prices,长度为n,其中prices[i]是股票在第i天的价格,请根据这个价格数组,返回买卖股票能获得的最大收益 1.你可以买入一次股票和卖出一次股票,并非每天都可以买入或卖出一次 ...
- 剑指offer(C++)-JZ63:买卖股票的最好时机(一)(算法-动态规划)
作者:翟天保Steven 版权声明:著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处 题目描述: 假设你有一个数组prices,长度为n,其中prices[i]是股票在第i天的价格, ...
最新文章
- C语言实现易语言变量框,c语言实现简单的易语言
- Android新闻类导航栏
- python中__name == '__main__'
- linux创建线程未定义,Linux中未定义的对p线程_CREATE的引用
- 负载均衡器 Ribbion
- '800a0005' 图片上传出现写入文件失败的错误 -- 修改pload_5xsoft.inc
- datatable 转list
- java 生成静态html的一段代码
- mm1排队系统仿真matlab实验报告,MM1排队系统仿真matlab实验报告.doc
- IO流 (四) ----- 转换流和标准字节输出流
- Redis 中的事件驱动模型
- 代码覆盖率:80%,不能少(转)
- laydate定位修改
- 服务器摆放需要预留U位么_客厅沙发怎么摆放?六种方法教你如何摆放!(实用荐读)...
- android系统 视频流录像,Android端海康视频取流,可以实时预览与查看历史录像
- 光速入门Docker 和 Kubernetes,一起学~
- linux软raid阅读笔记,linux_软RAID阅读笔记.pdf
- FLink聚合性能优化--MiniBatch分析
- matlab如何在一个区域取电,基于MATLAB带钢卷取电液伺服控制系统的分析
- 利用css制作3D照片墙