LeetCode题解 - 动态规划-股票买卖
LeetCode题解 - 动态规划-股票买卖
文章目录
- LeetCode题解 - 动态规划-股票买卖
- **一、穷举框架**
- **二、状态转移框架**
- **三、秒杀题目**
- 121. 买卖股票的最佳时机(简单)
- 122. 买卖股票的最佳时机 II(简单)
- 309. 最佳买卖股票时机含冷冻期(中等)
- 714. 买卖股票的最佳时机含手续费(中等)
- 123. 买卖股票的最佳时机 III (困难)
- 188. 买卖股票的最佳时机 IV (困难)
- **四、最后总结**
参考文章:labuladong微信公众号,作者:labuladong,#手把手刷动态规划系列文章,很棒的公众号,推荐给大家
一、穷举框架
首先,还是一样的思路:如何穷举?这里,我们不用递归思想进行穷举,而是利用「状态」进行穷举。
看看总共有几种「状态」,再找出每个「状态」对应的「选择」。我们要穷举所有「状态」,穷举的目的是根据对应的「选择」更新状态。看图,就是这个意思。
具体到当前问题,每天都有三种「选择」:买入、卖出、无操作,我们用 buy, sell, rest 表示这三种选择。
但问题是,并不是每天都可以任意选择这三种选择的,因为 sell 必须在 buy 之后,buy 必须在 sell 之后(第一次除外)。那么 rest 操作还应该分两种状态,一种是 buy 之后的 rest(持有了股票),一种是 sell 之后的 rest(没有持有股票)。而且别忘了,我们还有交易次数 k 的限制,就是说你 buy 还只能在 k > 0 的前提下操作。
很复杂对吧,不要怕,我们现在的目的只是穷举,你有再多的状态,老夫要做的就是一把梭全部列举出来。这个问题的「状态」有三个,第一个是天数,第二个是当天允许交易的最大次数,第三个是当前的持有状态(即之前说的 rest 的状态,我们不妨用 1 表示持有,0 表示没有持有)。
我们用一个三维数组 dp 就可以装下这几种状态的全部组合,用 for 循环就能完成穷举:
而且我们可以用自然语言描述出每一个状态的含义,比如说 dp[3][2][1]
的含义就是:今天是第三天,我现在手上持有着股票,至今最多进行 2 次交易。再比如 dp[2][3][0]
的含义:今天是第二天,我现在手上没有持有股票,至今最多进行 3 次交易。很容易理解,对吧?
我们想求的最终答案是 dp[n - 1][K][0]
,即最后一天,最多允许 K 次交易,所能获取的最大利润。读者可能问为什么不是 dp[n - 1][K][1]
?因为 [1] 代表手上还持有股票,[0] 表示手上的股票已经卖出去了,很显然后者得到的利润一定大于前者。
二、状态转移框架
现在,我们完成了「状态」的穷举,我们开始思考每种「状态」有哪些「选择」,应该如何更新「状态」。
因为我们的选择是 buy, sell, rest,而这些选择是和「持有状态」相关的,所以只看「持有状态」,可以画个状态转移图。
通过这个图可以很清楚地看到,每种状态(0 和 1)是如何转移而来的。根据这个图,我们来写一下状态转移方程:
这个解释应该很清楚了,如果 buy,就要从利润中减去prices[i]
,如果 sell,就要给利润增加 prices[i]
。今天的最大利润就是这两种可能选择中较大的那个。而且注意 k 的限制,我们在选择 buy 的时候,把最大交易数 k 减小了 1,很好理解吧,当然你也可以在 sell 的时候减 1,一样的。
现在,我们已经完成了动态规划中最困难的一步:状态转移方程。**如果之前的内容你都可以理解,那么你已经可以秒杀所有问题了,只要套这个框架就行了。**不过还差最后一点点,就是定义 base case,即最简单的情况。
把上面的状态转移方程总结一下:
读者可能会问,这个数组索引是 -1 怎么编程表示出来呢,负无穷怎么表示呢?这都是细节问题,有很多方法实现。现在整体框架已经完成,下面开始具体化。
三、秒杀题目
121. 买卖股票的最佳时机(简单)
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
。
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。
解题思路:这是 k = 1 的情况,直接套状态转移方程,根据 base case,可以做一些化简:
对 i 的 base case 进行处理,而且注意一下状态转移方程,新状态只和相邻的一个状态有关,其实不用整个 dp 数组,只需要两个变量储存所需的状态就足够了,这样可以把空间复杂度降到 O(1):
class Solution {public int maxProfit(int[] prices) {if(prices.length == 0) return 0;int n = prices.length;int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE; // base case for(int i = 0; i < n; i++){dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);dp_i_1 = Math.max(dp_i_1, -prices[i]);}return dp_i_0;}
}
122. 买卖股票的最佳时机 II(简单)
给定一个数组 prices
,其中 prices[i]
是一支给定股票第 i
天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
输入: prices = [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
解题思路:这是 k = + infinity 的情况,如果 k 为正无穷,那么就可以认为 k 和 k - 1 是一样的。可以这样改写框架:
直接翻译成代码即可:
class Solution {public int maxProfit(int[] prices) {if(prices.length == 0) return 0;int n = prices.length;int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE; // base casefor(int i = 0; i < n; i++){int temp = dp_i_0;dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);dp_i_1 = Math.max(dp_i_1, temp - prices[i]);}return dp_i_0;}
}
309. 最佳买卖股票时机含冷冻期(中等)
给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 。设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
- 你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
- 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)
输入: [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
解题思路:k = +infinity with cooldown,每次 sell 之后要等一天才能继续交易。只要把这个特点融入上一题的状态转移方程即可:
直接翻译成代码即可:
class Solution {public int maxProfit(int[] prices) {int n = prices.length;if(n == 0) return 0;int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;int dp_pre_0 = 0;for(int i = 0; i < n; i++){int temp = dp_i_0;dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);dp_i_1 = Math.max(dp_i_1, dp_pre_0 - prices[i]);dp_pre_0 = temp;}return dp_i_0;}
}
714. 买卖股票的最佳时机含手续费(中等)
给定一个整数数组 prices
,其中第 i
个元素代表了第 i
天的股票价格 ;非负整数 fee
代表了交易股票的手续费用。你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。返回获得利润的最大值。
注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
输入: prices = [1, 3, 2, 8, 4, 9], fee = 2
输出: 8
解释: 能够达到的最大利润:
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8.
解题思路:k = +infinity with fee,每次交易要支付手续费,只要把手续费从利润中减去即可:
直接翻译成代码即可:
class Solution {public int maxProfit(int[] prices, int fee) {int n = prices.length;if(n == 0) return 0;int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;for(int i = 0; i < n; i++){int temp = dp_i_0;dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);dp_i_1 = Math.max(dp_i_1, temp - prices[i]- fee);}return dp_i_0;}
}
123. 买卖股票的最佳时机 III (困难)
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。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
输入:prices = [3,3,5,0,0,3,1,4]
输出:6
解释:在第 4 天(股票价格 = 0)的时候买入,在第 6 天(股票价格 = 3)的时候卖出,这笔交易所能获得利润 = 3-0 = 3 。随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。
解题思路:k = 2,k = 2 和前面题目的情况稍微不同,因为上面的情况都和 k 的关系不太大。要么 k 是正无穷,状态转移和 k 没关系了;要么 k = 1,跟 k = 0 这个 base case 挨得近,最后也被消掉了。这道题 k = 2 和后面要讲的 k 是任意正整数的情况中,对 k 的处理就凸显出来了。我们直接写代码,边写边分析原因。
按照之前的代码,我们可能想当然这样写代码(错误的):
为什么错误?我这不是照着状态转移方程写的吗?
还记得前面总结的「穷举框架」吗?就在强调必须穷举所有状态。其实我们之前的解法,都在穷举所有状态,只是之前的题目中 k 都被化简掉了,所以没有对 k 的穷举。比如说第一题,k = 1:
这道题由于没有消掉 k 的影响,所以必须要用 for 循环对 k 进行穷举才是正确的:
class Solution {public int maxProfit(int[] prices) {int n = prices.length;if(n == 0) return 0;int max_k = 2;int[][][] dp = new int[n][max_k + 1][2]; //base casefor (int k = 1; k <= max_k; k++) {dp[0][k][1] = -prices[0];} for(int i = 1; i < n; i++){for(int k = 1; k <= max_k; k++){ dp[i][k][0] = Math.max(dp[i - 1][k][0], dp[i - 1][k][1] + prices[i]);dp[i][k][1] = Math.max(dp[i - 1][k][1], dp[i - 1][k - 1][0] - prices[i]); }}return dp[n - 1][max_k][0];}
}
188. 买卖股票的最佳时机 IV (困难)
给定一个整数数组 prices
,它的第 i
个元素 prices[i]
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 k 笔交易。**注意:**你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
输入:k = 2, prices = [3,2,6,5,0,3]
输出:7
解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。随后,在第 5 天 (股票价格 = 0) 的时候买入,在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。
解题思路:k = any integer,这题和 k = 2 没啥区别,可以直接套上一题的第一个解法。但是提交之后会出现一个超内存的错误,原来是传入的 k 值可以任意大,导致 dp 数组太大了。现在想想,交易次数 k 最多能有多大呢?一次交易由买入和卖出构成,至少需要两天。所以说有效的限制次数 k 应该不超过 n/2
class Solution {public int maxProfit(int k, int[] prices) { int n = prices.length;if(n == 0) return 0;k = Math.min(k, n / 2);int[][][] dp = new int[n][k + 1][2]; for (int j = 1; j <= k; j++) {dp[0][j][1] = -prices[0];} for(int i = 1; i < n; i++){for(int j = 1; j <= k; j++){ dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]); }}return dp[n - 1][k][0];}
}
至此,6 道题目通过一个状态转移方程全部解决。
四、最后总结
本文给大家讲了如何通过状态转移的方法解决复杂的问题,用一个状态转移方程秒杀了 6 道股票买卖问题,现在想想,其实也不算难对吧?而这已经属于动态规划问题中较困难的了。
关键就在于找到所有可能的「状态」,然后想想怎么更新这些「状态」。一般用一个多维 dp 数组储存这些状态,从 base case 开始向后推进,推进到最后的状态,就是我们想要的答案。想想这个过程,你是不是有点理解「动态规划」这个名词的意义了呢?
具体到股票买卖问题,我们发现了三个状态,使用了一个三维数组,无非还是穷举 + 更新,不过我们可以说的高大上一点,这叫「三维 DP」,怕不怕?这个大实话一说,立刻显得你高人一等有没有?
LeetCode题解 - 动态规划-股票买卖相关推荐
- 【leetcode题解——动态规划之完全背包】518.零钱兑换II(python版本详解+表格+dp五部曲)
518. 零钱兑换 II 重点: 本题求组合数,而非排列数. 例如示例: 5 = 2 + 2 + 1 5 = 2 + 1 + 2 这是一种组合,都是 2 2 1,而(2,2,1)(2,1,2)为两种排 ...
- leetcode题解131-分割回文串
问题描述 给你一个字符串 s,请你将 s 分割成一些子串,使每个子串都是 回文串 .返回 s 所有可能的分割方案. 回文串 是正着读和反着读都一样的字符串. 示例 1: 输入:s = "aa ...
- 算法与数据结构+LeetCode题解-Js版
LeetCode题解Js版 https://webbj97.github.io/leetCode-Js/ 题外话 LeetCode题解:传送门 前端笔记:传送门 项目背景 旨在提高自己对算法的理解,将 ...
- 900 多道 LeetCode 题解,这个 GitHub 项目值得 Star!
转自 | 码农有道 大家好,我是小 G. 周末风和日丽,适合刷 LeetCode 今天给你们推荐个 GitHub 项目,里面收集了 900 多道 LeetCode 题解,并包含中英文两个版本,适合大多 ...
- PHP版Leetcode题解开始随缘更新
2019独角兽企业重金招聘Python工程师标准>>> PHP版Leetcode题解 我叫skys215,是一名bug工程师. 我接触编程的时间比较早,但是因为我数学不好加上比较懒, ...
- [LeetCode 题解]: Binary Tree Preorder Traversal
前言 [LeetCode 题解]系列传送门: http://www.cnblogs.com/double-win/category/573499.html 1.题目描述 Given a binary ...
- LeetCode 题解汇总
为什么80%的码农都做不了架构师?>>> LeetCode 题解汇总 转载于:https://my.oschina.net/michao/blog/801863
- leetcode题解【持续更新】
leetcode题解不断更新,以及nowcoder题解.一起加油! 完整请移步我的Github 转载于:https://juejin.im/post/5c8a73d8f265da2de80fa774
- 32位有符号整数_008. 字符串转换整数 (atoi) | Leetcode题解
点击上方"蓝色字体",选择"设为星标" 每天复习一道面试题,轻松拿大厂Offer~ 题目描述: 请你来实现一个 atoi 函数,使其能将字符串转换成整数. 首先 ...
最新文章
- django外调用url_Django:中间件 与 案例
- Python 读写文件和file对象(转)
- String类的构造与析构相关处理
- windows下RocketMQ下载、安装、部署、控制台
- java操作elasticsearch实现批量添加数据(bulk)
- Python中多线程和多处理的初学者指南
- Spring Boot(4)---入门:安装Spring Boot
- 百度人脸识别技术应用003---百度云离线SDK_Android版_功能分析_获取摄像头视频流中的图片_发给百度人脸识别API_识别搜索_或先同步百度云人脸信息_然后本地人脸识别
- android图片显示代码,Android图片处理:识别图像方向并显示(示例代码)
- 通用权限管理平台--数据模型定义
- linux下安装tuxedo
- HDU 1240 Asteroids!(DFS简单搜索)
- java8 Stream接口简单使用
- RS232 DB9 公头 母头 串口引脚定义
- Myeclipse8.5 cn 序列号
- Express 项目启动
- 厦门大学计算机系夏令营考什么,2018年厦门大学全校33个学院保研夏令营信息汇总,读研不止一条路...
- win7设置无线wifi连接到服务器,自动连接wifi怎么设置_如何设置无线网自动连接...
- Unity Playing模式下鼠标点击放置预制体
- golang —— go语言科学记数法使用
热门文章
- Vulkan Samples 阅读 -- Extensions(二)
- CSS常用水平垂直居中的几种方法
- 解读电商平台10大促销活动类型
- 【自然语言处理】1. 细讲:Attention模型的机制原理
- C++课程设计报告——简易五子棋游戏
- YDOOK :Pycharm 专业版下载安装 :官网直接下载安装 详细教程
- 使用R做方差分析实现多重比较可视化结果
- 浅析伪罗伯特法所构造的任意阶数伪二次幻方中某一任意位置权值的一般求法
- 【温故而知新】分布式系统(二)
- 地图下面的标尺是什么意思_机油标尺怎么看图解,汽车机油标尺正常位置示意图...