写完这套题，再搞一台时光机，财务自由不是梦（Doge）

==================================

相关题目链接

121 买卖股票的最佳时机

122 买卖股票的最佳时机 II

123 买卖股票的最佳时机 III

188 买卖股票的最佳时机 IV

309 买卖股票的最佳时机含冷冻期

714 买卖股票的最佳时机含手续费

1. • 买卖股票的最佳时机（仅一次交易）

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。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 。

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。

分析

遍历每一天。用变量 minprice 记录已遍历天数的最小股价，初始值为第一天股价；

同时记录每天可以得到的最大利润 maxprofit，即前一天的最大利润 和（今日股价 - 历史最小值 minprice）的较大者，初始值为0。返回最后一天的maxprofit。

说明：下述动态规划只保存了全区间极值，没有用列表保存每天的极值

class Solution:def maxProfit(self, prices: List[int]) -> int:minprice = prices[0]maxprofit = 0for price in prices:minprice = min(minprice,price)maxprofit = max(maxprofit,price-minprice)return maxprofit

2. 买卖股票的最佳时机（可多次交易）

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候最多只能持有一股股票。你也可以先购买，然后在同一天出售。返回你能获得的最大利润 。

示例 1：
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 。总利润为 4 + 3 = 7 。

示例 2：
输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。 总利润为 4 。

示例 3：
输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

方法一：所有上坡阶段求和

标志 flag 记录是否持有股票；

buy 和 sale 记录当前持有股票的交易价格，如果当前不持有股票则为0

遍历每日股价，每次买入股票后，更新buy、sale（持续更新）和flag ；

每次卖出股票后，更新buy、sale 和 flag（均为0）；

最后一天需要检查 是否持有股票，持有需卖出

class Solution:def maxProfit(self, prices: List[int]) -> int:# flag 标记是否持有股票flag = 0# buy 记录当前持有股票的买入价格buy = 0# sale 记录当前股票价格，作为暂时的卖出价格sale = 0sum = 0for i in range(len(prices) - 1):#如果当前不持有股票，次日股价比今日高，买入股票（更新买入价格），记录次日股价，更新flag标志 持有if prices[i+1] > prices[i] and not flag:buy = prices[i]sale = prices[i+1]flag = 1#持有股票 且 次日股价不高于今日股价 --> 卖出股票，清空股票买卖价格，更新flag标志 不持有elif prices[i+1] <= prices[i] and flag:sum = sum + (sale - buy)buy = 0sale = 0flag = 0 #持有股票 且 次日股价高于今日股价 --> 继续持有股票，更新卖出价格    elif prices[i+1] > prices[i] and flag:sale = prices[i+1]if flag == 1:sum = sum + (sale - buy)return sum

方法二：贪心

每天都买卖股票（连续持有可以看作当天卖出后再买入），卖出如果收益为正就加入总和

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)sum = 0for i in range(1,n):tmp = prices[i] - prices[i-1]if tmp > 0:sum += tmpreturn sum

方法三：动态规划

每天有两种状态，收盘后持有或不持有股票；

初始化一个 n x 2的二维数组 dp，求第 0~ n-1 天 持有 和 不持有股票的最大收入；

第n-1 天如果持有股票，卖出一定比继续持有收益大，所以最后返回第n-1天不持有股票的最大收入

dp[i][0] 代表第i天收盘后不持有股票的最大收益 --> 前日不持有今日无操作、前日持有今日卖出

dp[i][1] 代表第i天收盘后持有股票的最大收益 --> 前日已持有今日无操作 、前日不持有今日买入

初始状态，第一天不持有股票最大收益为0；持有即买入一股，最大收益为 -prices[0]

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)dp= [[0,0]] * ndp[0][0] = 0dp[0][1] = -prices[0]for i in range(1,n):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])return dp[n-1][0]

3. 买卖股票的最佳时机含手续费

给定一个整数数组 prices，其中 prices[i]表示第 i 天的股票价格 ；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。

示例 1：
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

示例 2：
输入：prices = [1,3,7,5,10,3], fee = 3
输出：6

使用动态规划，和上述题2 一样，多了一个手续费，买入时算在开销里

class Solution:def maxProfit(self, prices: List[int], fee: int) -> int:n = len(prices)dp= [[0,0]] * ndp[0][0] = 0dp[0][1] = -prices[0]-feefor i in range(1,n):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)return dp[n-1][0]

4. 买卖股票的最佳时机含冷冻期

给定一个整数数组prices，其中第 prices[i] 表示第 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）: 卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。

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）。

示例 1:
输入: prices = [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]

示例 2:
输入: prices = [1]
输出: 0

动态规划分析

每天有三种状态，收盘后股票持有、不持有（在冷冻期）、不持有（不在冷冻期）

初始化一个 n x 3的二维数组 dp，求第 0~ n-1 天 上述三种状态的最大收入；

说明：如果第i天有卖出，则收盘后进入冷冻期，第i+1天不能买入，我们把这个冷冻期的状态记在第i天

dp[i][0] 代表第i天收盘后不持有股票、且不在冷冻期的最大收益

收盘后不在冷冻期 ==> 今日没有卖出股票

+收盘后不持有股票 ==> 前日就不持有股票（前日在 或 不在冷冻期）

状态转移方程：dp[i][0] = max(dp[i-1][0], dp[i-1][1])

dp[i][1] 代表第i天收盘后不持有股票、且在冷冻期的最大收益

收盘后在冷冻期 ==> 今日卖出股票

+收盘后不持有股票 ==> 昨日持有股票 且 今日卖出股票

状态转移方程：dp[i][1] = dp[i-1][2] + prices[i]

dp[i][2] 代表第i天收盘时持有股票的最大收益

收盘时持有股票 ==> 昨日已经持有股票 或 昨日不持有不在冷冻期、今日买入

状态转移方程：dp[i][2] = max(dp[i-1][2], dp[i-1][0] - prices[i])

初始状态：

dp[0][0] = 0 #第一天不持有股票最大收益为0

dp[0][1] = 0 #第一天不持有股票最大收益为0

dp[0][2] = -prices[0] #第一天持有即买入一股，最大收益为 -prices[0]

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)if n == 1:return 0#dp= [[0,0,0]] * ndp= [[0] * 3  for _ in range(n)]#dp[0][0] = 0#dp[0][1] = 0dp[0][2] = -prices[0]# 1+ (n-1)行#dp = [[0, 0, -prices[0]]] + [[0] * 3 for _ in range(n - 1)]for i in range(1,n):#不持有股票，且不在冷冻期的最大收益dp[i][0] = max(dp[i-1][0], dp[i-1][1])#不持有股票，且在冷冻期的最大收益dp[i][1] = dp[i-1][2] + prices[i]#持有股票的最大收益dp[i][2] = max(dp[i-1][2], dp[i-1][0] - prices[i])return max(dp[n-1][0],dp[n-1][1])

5. 买卖股票的最佳时机（最多可以完成两笔交易）

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）。

示例 1:
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 。

示例 2：
输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：
输入：prices = [7,6,4,3,1]
输出：0
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。

示例 4：
输入：prices = [1]
输出：0

方法一：动态规划

每天有五种状态，初始化一个 n x 5的二维数组 dp，求第 0~ n-1 天下述五种状态的最大收入

dp[i][0] 收盘后不持有股票，未交易过的最大收益 --> 0

dp[i][1] 收盘后是首次持有股票的最大收益 --> 昨天同状态，或前序状态 + 今日为首次买入

dp[i][2] 收盘后不持有股票，已交易过一次的最大收益 --> 昨天同状态，或前序状态 + 今日为首次卖出

dp[i][3] 收盘后是第二次持有股票的最大收益 --> 昨天同状态，或前序状态 + 今日为二次买入

dp[i][4] 收盘后不持有股票，已交易过两次的最大收益 --> 昨天同状态，或前序状态 + 今日为二次卖出

初始状态：

dp[0][0]，dp[0][2]，dp[0][4] 归为第一天不持有股票的情况，最大收益为0

dp[0][1]，dp[0][3] 归为第一天持有股票的情况，最大收益为 -prices[0]

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)dp = [[0]*5 for _ in range(n)]     #dp[i][0] 不持有股票，未交易过的最大收益#dp[i][1] 首次持有股票状态的最大收益#dp[i][2] 不持有股票，已交易过一次的最大收益#dp[i][3] 第二次持有股票状态的最大收益#dp[i][4] 不持有股票，已交易过两次的最大收益dp[0][1] = -prices[0]dp[0][3] = -prices[0]if n == 1:return 0for i in range(1,n):dp[i][0] = 0 dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])dp[i][2] = max(dp[i-1][2], dp[i-1][1] + prices[i])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])return max(dp[n-1][0], dp[n-1][2], dp[n-1][4])

方法二：遍历的同时分为两个区间动态规划（运行超时）

将prices分为两个区间，各自找到两个区间一次交易的最大值（使用上述题1的动态规划方法），相加即为当前区间分段方法的最大收益。遍历每种区间分段的最大值，但是这样提交超出了时间限制。

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)maxProfit = 0# i 为分割点，在0~n-1范围遍历for i in range(n):maxProfit1, maxProfit2 = 0, 0#左区间右区间各自遍历求最大收益#如果i=0，只执行右区间的遍历；如果i=n-1，只执行左区间的遍历，这两种情况都对应只交易一次if i > 0:minPrice1 = 10**6for j in range(i):minPrice1 = min(minPrice1,prices[j])maxProfit1  = max(maxProfit1 ,prices[j] - minPrice1)if i < n-1:minPrice2 = 10**6for k in range(i,n):minPrice2 = min(minPrice2,prices[k])maxProfit2  = max(maxProfit2 ,prices[k] - minPrice2)maxProfit = max(maxProfit, maxProfit1 + maxProfit2)return maxProfit

方法三：从两端各自动态规划求最大收益

从prices左侧开始动态规划找每日收益最大值

从prices右侧开始动态规划找每日收益最小值（高买低卖，反过来就是低买高卖）

得到两个列表，前者减后者就是按天的最大值列表，该列表最大值即为所求

class Solution:def maxProfit(self, prices: List[int]) -> int:n = len(prices)dp = [0] * ndpR = [0] * nif n == 1:return 0dp[0] = 0minVal = prices[0]for i in range(n):                     minVal = min(minVal, prices[i])dp[i] = max(dp[i-1],prices[i]-minVal)dpR[n-1] = 0maxVal = prices[-1]for j in list(range(1,n))[::-1]:               maxVal = max(maxVal,prices[j])dpR[j-1] = min(dpR[j],prices[j-1]-maxVal)maxProfit = 0for i in range(n):maxProfit = max(maxProfit,dp[i] - dpR[i])return maxProfit

6. 买卖股票的最佳时机（最多可以完成k笔交易）

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）。

示例 1：
输入：k = 2, prices = [2,4,1]
输出：2
解释：在第 1 天 (股票价格 = 2) 的时候买入，在第 2 天 (股票价格 = 4) 的时候卖出，这笔交易所能获得利润 = 4-2 = 2 。

示例 2：
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 。

其实就是将上述题5一般化，使用动态规划

两笔交易将prices分为五个区间 --> k笔交易将prices分为2k+1个区间，每天有2k+1种状态

初始化一个 n x (2k+1) 的二维数组 dp，求第 0~ n-1 天下述2k+1种状态的最大收入

dp[i][0] 收盘后不持有股票，未交易过的最大收益 --> 0

dp[i][1] 收盘后是首次持有股票的最大收益 --> 昨天同状态，或前序状态 + 今日为首次买入

dp[i][2] 收盘后不持有股票，已交易过一次的最大收益 --> 昨天同状态，或前序状态 + 今日为首次卖出

……

dp[i][2*k-1] 收盘后是第二次持有股票的最大收益 --> 昨天同状态，或前序状态 + 今日为第k次买入

dp[i][2*k] 收盘后不持有股票，已交易过两次的最大收益 --> 昨天同状态，或前序状态 + 今日为k次卖出

状态转移方程一般化：

j为奇数，收盘后持有 --> 昨日持有 或 昨日不持有、今日买入

dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] - prices[i])

j为偶数，收盘后不持有 --> 昨日不持有 或 昨日持有、今日卖出

dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] + prices[i])

初始状态：

dp[0][0]，dp[0][2] ... dp[0][2*k] 归为第一天不持有股票的情况，最大收益为0

dp[0][1]，dp[0][3]... dp[0][2*k-1] 归为第一天持有股票的情况，最大收益为 -prices[0]

class Solution:def maxProfit(self, k: int, prices: List[int]) -> int:n = len(prices)if n == 1:return 0dpLine0 = [ -prices[0] if x%2 == 1 else 0 for x in range(2*k+1) ] dp = [dpLine0] + [[0]*(2*k+1) for _ in range(n-1)]#dp[i][0] 不持有股票，未交易过的最大收益#dp[i][1] 首次持有股票状态的最大收益#dp[i][2] 不持有股票，已交易过一次的最大收益#dp[i][3] 第二次持有股票状态的最大收益#dp[i][4] 不持有股票，已交易过两次的最大收益#...for i in range(1,n):dp[i][0] = 0 for j in range(1,2*k+1):dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] - prices[i]) if j%2 == 1 else max(dp[i-1][j], dp[i-1][j-1] + prices[i])return dp[n-1][2*k]#return max(dp[n-1])