代码随想录算法训练营第五十一天 | 309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费、总结

打卡第51天,继续买卖股票。

今日任务

● 309.最佳买卖股票时机含冷冻期
● 714.买卖股票的最佳时机含手续费
●总结

309.最佳买卖股票时机含冷冻期

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

提示:

  • 1 <= prices.length <= 5000
  • 0 <= prices[i] <= 1000

代码随想录

  1. 确定dp以及下标定义
    dp[i][j] 表示所剩的最多现金
    分析状态:
    状态一:持有股票
    不持有股票:

    • 状态二:保持股票卖出状态(过了冷冻期)
    • 状态三:今天卖出股票

    状态四:冷冻期

  2. 递推公式
    状态一:可能是昨天就已经买入股票状态dp[i - 1][0];也可能昨天是冷冻期dp[i - 1][3],今天买入股票。有可能是昨天是卖出状态dp[i - 1][1] ,今天刚买入股票。
    d p [ i ] [ 0 ] = m a x ( m a x ( d p [ i − 1 ] [ 0 ] , d p [ i − 1 ] [ 1 ] − p r i c e s [ i ] ) , d p [ i − 1 ] [ 3 ] − p r i c e s [ i ] ) ; dp[i][0] = max(max(dp[i - 1][0], dp[i - 1][1] - prices[i]), dp[i - 1][3] - prices[i]); dp[i][0]=max(max(dp[i1][0],dp[i1][1]prices[i]),dp[i1][3]prices[i]);
    状态二:可能昨天就是股票卖出状态dp[i - 1][1],也有可能昨天冷冻期。
    d p [ i ] [ 1 ] = m a x ( d p [ i − 1 ] [ 1 ] , d p [ i − 1 ] [ 3 ] ) ; dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]); dp[i][1]=max(dp[i1][1],dp[i1][3]);
    状态三:昨天持有状态,今天卖出
    d p [ i ] [ 2 ] = d p [ i − 1 ] [ 0 ] + p r i c e s [ i ] ; dp[i][2] = dp[i - 1][0] + prices[i]; dp[i][2]=dp[i1][0]+prices[i];
    状态四:昨天刚卖出股票,今天冷冻期。
    d p [ i ] [ 3 ] = d p [ i − 1 ] [ 2 ] ; dp[i][3] = dp[i - 1][2]; dp[i][3]=dp[i1][2];

  3. 初始化
    第一天的持有状态,必定是今天买入股票 d p [ 0 ] [ 0 ] − = p r i c e s [ 0 ] dp[0][0] -=prices[0] dp[0][0]=prices[0]
    第一天的状态三,今天买入今天卖出,现金为 0 ,状态四,现金为0;
    状态二:从 「状态二」的定义来说 ,很难明确应该初始多少,这种情况我们就看递推公式需要我们给他初始成什么数值。
    如果i为1,第1天买入股票,那么递归公式中需要计算 dp[i - 1][1] - prices[i] ,即 dp[0][1] - prices[1],那么大家感受一下 dp[0][1] (即第0天的状态二)应该初始成多少,只能初始为0。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int>> dp(n, vector<int> (4, 0)); // 剩下最多现金
        dp[0][0] -= prices[0]; // 第一天买入股票
        for(int i = 1; i < n; i++) {
            dp[i][0] = max(max(dp[i - 1][0], dp[i - 1][1] - prices[i]), dp[i - 1][3] - prices[i]); // 持有状态
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]); // 保持卖出股票状态,不在冷冻期
            dp[i][2] = dp[i - 1][0] + prices[i]; // 今天卖出股票
            dp[i][3] = dp[i - 1][2]; // 冷冻期
        }
        return max(max(dp[n - 1][1], dp[n -1][2]), dp[n - 1][3]);
    }
};

714.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 ;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。

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

提示:

  • 1 <= prices.length <= 5 * 104
  • 1 <= prices[i] < 5 * 104
  • 0 <= fee < 5 * 104

代码随想录

class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        int n = prices.size();
        vector<vector<int> > dp(n, vector<int> (2, 0));
        dp[0][0] -= prices[0];

        for(int i = 1; i < n; 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);
        }
        return dp[n - 1][1];
    }
};

你可能感兴趣的:(算法,算法,动态规划,leetcode)