动态规划----股票买卖问题（详解）

目录

一.买卖股票的最佳时机：

二.买卖股票的最佳时机含冷冻期：

三.买卖股票的最佳时期含⼿续费：

四.买卖股票的最佳时机III: 

五.买卖股票的最佳时机IV:

买卖股票的最佳时机问题介绍：动态规划买卖股票的最佳时机是一个经典的算法问题。该问题的目标是在给定的股票价格数组中，找到最大的利润，即最佳的买入和卖出时间，使得买入时间早于卖出时间。

下面我们通过一些例题，来解决这一类动态规划的问题：

一.买卖股票的最佳时机：

  • 题目链接：121. 买卖股票的最佳时机 - 力扣（LeetCode）
  • 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 。

①.动态规划解法：

  • 一.状态表示dp[ i ][ j ]：下标为 i 这一天结束的时候，手上持股状态为 j 时，我们持有的最大利润。这里我们定义状态 j （两种情况）分别为：
  • 0 买入状态
  • 1 可交易状态
  • 二.状态转移方程：
  • dp[ i ][ 0 ] = Math.max( dp[ i - 1 ][ 0 ], -prices[ i ]) ; ①.在前面一天已经是买入状态，今天选择什么也不干，今天结束后，是买入状态。②.前面是可交易状态，今天选择买入，则今天结束后是买入状态，这里注意不是dp[ i - 1][ 1 ] - prices[ i ];因为只能交易一次，如果今天选择买入，那后面一定要卖出（这算一次交易),此时才可能有最大利润。则前面不能有交易，利润为0.
  • dp[ i ][ 1 ] = Math.max( dp[ i - 1][ 1 ],dp[ i - 1][ 0 ] + prices[ i ]);①.前面一天是可交易状态，今天选择什么也不干，今天结束后是可交易状态。②.前面一天是买入状态，今天选择卖出，今天结束后是可交易状态。
  • 三.初始化：根据状态表示：
  • dp[ 0 ][ 0 ] = - prices[ 0 ];第一天选择买入，此时利润为 - prices[ 0 ]
  • dp[ 0 ][ 1 ] = 0;第一天选择什么也不干或则交易一次，此时的利润为0;
  • 四.填表顺序：根据状态转移方程，从左往右，从上往下填写.
  • 五.返回值：dp[ n - 1 ][ 1 ];n为prices数组的长度,最后一天结束后，是可交易状态，此时为最大利润.

各个状态关系图：

代码详解：

class Solution {// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回值public int maxProfit(int[] prices) {int n = prices.length;int[][] dp = new int[n][2];//初始化dp[0][0] = -prices[0];dp[0][1] = 0;for(int i = 1;i < n;i++){//注意这里不是dp[i - 1][1] - prices[i];dp[i][0] = Math.max(dp[i - 1][0], - prices[i]);dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][0] + prices[i]);}//返回值return dp[n - 1][1];}
}

②.暴力解法（相对简单这里给出解题过程）： 

代码详解：

class Solution {public int maxProfit(int[] prices) {int cost = Integer.MAX_VALUE;int profit = 0;for(int price : prices){cost = Math.min(cost,price);profit = Math.max(profit,price - cost);}return profit;}
}

运行结果：

 

二.买卖股票的最佳时机含冷冻期：

  • 题目链接：309. 买卖股票的最佳时机含冷冻期 - 力扣（LeetCode）
  • 问题描述：

    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）。

动态规划解法：

一.状态表示：dp[ i ][ j ]:由于有「买⼊」「可交易」「冷冻期」三个状态，因此我们可以选择⽤三个数组，其中：

  • dp[i][0] 表⽰：第 i 天结束后，处于「买⼊」状态，此时的最⼤利润；
  • dp[i][1] 表⽰：第 i 天结束后，处于「可交易」状态，此时的最⼤利润；
  • dp[i][2] 表⽰：第 i 天结束后，处于「冷冻期」状态，此时的最⼤利润

二.状态转移方程：

  • dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]); ①.前一天是买入状态，今天啥也不做，今天结束后是买入状态②.前面一天是可交易状态，今天选择买入，今天结束后是买入状态。
  • dp[i][1] = max(dp[i - 1][1], dp[i - 1][2]); ①.前面一天是可交易状态，今天啥也不干，今天结束后是可交易状态②.前面一天是冷冻期，今天啥也不干，今天过后是可交易状态
  • dp[i][2] = dp[i - 1][0] + prices[i]；前面一天是买入状态，今天选择卖出，今天过后是冷冻期

三.初始化：

dp[0][0] = - prices[0] ；   dp[0][1] = 0 ；    dp[0][2] = 0;

四.填表顺序：从左往右，从上往下，依次填写三个表

五.返回值：状态转移方程三者的最大值：

 max(dp[n - 1][1], dp[n - 1] [2]);dp[n - 1][0]不可能是最大值，这里不用考虑进去（如果考虑进去了也没关系）

各个状态关系图：

代码详解：

class Solution {// 1. 创建 dp 表// 2. 初始化// 3. 填表// 4. 返回值public int maxProfit(int[] prices) {int n = prices.length;int[][] dp = new int[n][3];dp[0][0] = -prices[0];for(int i = 1;i < n;i++){dp[i][0] = Math.max(dp[i - 1][0],dp[i - 1][1] - prices[i]);dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][2]);dp[i][2] = dp[i - 1][0] + prices[i];}return Math.max(dp[n - 1][1],dp[n - 1][2]);}
}

运行结果： 

三.买卖股票的最佳时期含⼿续费：

题目链接：714. 买卖股票的最佳时机含手续费 - 力扣（LeetCode）

题目描述：

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。

 动态规划解法：

一.状态表示：由于有「买⼊」「可交易」两个状态，因此我们可以选择⽤两个数组来定义我们的状态（或则一个二维数组也行），其中：

  • f[i] 表⽰：第 i 天结束后，处于「买⼊」状态，此时的最⼤利润；
  • g[i] 表⽰：第 i 天结束后，处于「卖出」状态，此时的最⼤利润.

二.状态转移方程 ：我们选择在「卖出」的时候，⽀付这个⼿续费，那么在「买⼊」的时候，就不⽤再考虑⼿续费的问题（完成一次交易支付手续费）：

  • f[i] = max(f[i - 1], g[i - 1] - prices[i]) ；①.在 i - 1 天「持有」股票，第 i 天啥也不⼲。此时最⼤收益为 f[i - 1] ；②.在 i - 1 天的时候「没有」股票，在第 i 天买⼊股票。此时最⼤收益为 g[i - 1] - prices[i]) ；
  • g[i] = max(g[i - 1], f[i - 1] + prices[i] - fee);①.在 i - 1 天「持有」股票，但是在第 i 天将股票卖出。此时最⼤收益为： f[i - 1] + prices[i] - fee) ，记得⼿续费；②.在 i - 1 天「没有」股票，然后第 i 天啥也不⼲。此时最⼤收益为： g[i - 1]

三.初始化：由于需要⽤到前⾯的状态，因此需要初始化第⼀个位置:

  • 对于 f[0] ，此时处于「买⼊」状态，因此 f[0] = -prices[0]
  • 对于 g[0] ，此时处于「没有股票」状态，啥也不⼲即可获得最⼤收益，因此 g[0] = 0 

四.填表顺序：从左到右两个表一起填

五.返回值：应该返回「卖出」状态下，最后⼀天的最⼤值收益： g[n - 1] 

代码详解：

class Solution {public int maxProfit(int[] prices, int fee) {int n = prices.length;int[] f = new int[n];int[] g = new int[n];f[0] = -prices[0];for(int i = 1;i < n;i++){f[i] = Math.max(f[i - 1],g[i - 1] - prices[i]);g[i] = Math.max(g[i - 1],f[i - 1] + prices[i] - fee);}return Math.max(f[n - 1],g[n - 1]);}
}

运行结果：

四.买卖股票的最佳时机III: 

题目链接：123. 买卖股票的最佳时机 III - 力扣（LeetCode）

题目描述：

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）。

动态规划解法：

一.状态表示：由于有「买⼊」「可交易」两个状态，因此我们可以选择⽤两个数组。但是这道题⾥⾯还有交易次 数的限制，因此我们还需要再加上⼀维，⽤来表⽰交易次数。其中：

  • f[i][j] 表⽰：第 i 天结束后，完成了 j 次交易，处于「买⼊」状态，此时的最⼤利 润；
  • g[i][j] 表⽰：第 i 天结束后，完成了 j 次交易，处于「卖出」状态，此时的最⼤利 润。

二.状态转移方程：

  • f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);①.在 i - 1 天的时候，交易了 j 次，处于「买⼊」状态，第 i 天啥也不⼲即可。此时最 ⼤利润为： f[i - 1][j] ；②.在 i - 1 天的时候，交易了 j 次，处于「卖出」状态，第 i 天的时候把股票买了。此 时的最⼤利润为： g[i - 1][j] - prices[i] 。
  • g[i][j] = g[i - 1][j];

      if(j > 0) g[i][j] = max(g[i][j], f[i - 1][j - 1] + prices[i]);  

     ①.在 i - 1 天的时候，交易了 j 次，处于「卖出」状态，第 i 天啥也不⼲即可。此时的 最             ⼤利润为： g[i - 1][j] ；

    ②.在 i - 1 天的时候，交易了 j - 1 次，处于「买⼊」状态，第 i 天把股票卖了，然 后就完          成了 j ⽐交易。此时的最⼤利润为： f[i - 1][j - 1] + prices[i] 。但 是这个状态不⼀定存              在，要先判断⼀下。

三.初始化：

  • 当处于第 0 天的时候，只能处于「买⼊过⼀次」的状态，此时的收益为 -prices[0] ，因 此 f[0][0] = - prices[0] 。
  • 为了取 max 的时候，⼀些不存在的状态「起不到⼲扰」的作⽤，我们统统将它们初始化为 - INF （⽤ INT_MIN 在计算过程中会有「溢出」的⻛险，这⾥ INF 折半取 0x3f3f3f3f ，⾜够⼩即可）

四.填表顺序：从「上往下填」每⼀⾏，每⼀⾏「从左往右」，两个表「⼀起填」。

五.返回值：返回处于「卖出状态」的最⼤值，但是我们也「不知道是交易了⼏次」，因此返回 g 表最后⼀⾏ 的最⼤值。

代码详解：

class Solution {static int INF = -0x3f3f3f3f;public int maxProfit(int[] prices) {int n = prices.length;int[][] f = new int[n][3];int[][] g = new int[n][3];//1.f[0][0] = -prices[0];for(int i = 1;i < f[0].length;i++){f[0][i] = INF;}for(int j = 1;j < g[0].length;j++){g[0][j] = INF;//Integer.MIN_VALUE/2}//2.for(int i = 1;i < n;i++){for(int j = 0;j < 3;j++){f[i][j] = Math.max(f[i - 1][j],g[i - 1][j] - prices[i]);g[i][j] = g[i - 1][j];if(j > 0){g[i][j] = Math.max(g[i][j],f[i - 1][j - 1] + prices[i]);}}}int res = Integer.MIN_VALUE;for(int j = 0;j < 3;j++){ res = Math.max(res,g[n - 1][j]);}return res;}
}

运行结果：

五.买卖股票的最佳时机IV:

题目链接：188. 买卖股票的最佳时机 IV - 力扣（LeetCode）

题目描述：

给你一个整数数组 prices 和一个整数 k ，其中 prices[i] 是某支给定的股票在第 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。也就是说，你最多可以买 k 次，卖 k 次。

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）。

动态规划解法：

一.状态表示：为了更加清晰的区分「买⼊」和「卖出」，我们换成「有股票」和「⽆股票」两个状态：

  • f[i][j] 表⽰：第 i 天结束后，完成了 j 笔交易，此时处于「有股票」状态的最⼤收益；
  • g[i][j] 表⽰：第 i 天结束后，完成了 j 笔交易，此时处于「⽆股票」状态的最⼤收益

二.状态转移方程：

  • f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);①.在 i - 1 天的时候，⼿⾥「有股票」，并且交易了 j 次。在第 i 天的时候，啥也不⼲。 此时的收益为 f[i - 1][j] ；②.在 i - 1 天的时候，⼿⾥「没有股票」，并且交易了 j 次。在第 i 天的时候，买了股 票。那么 i 天结束之后，我们就有股票了。此时的收益为 g[i - 1][j] - prices[i];
  • g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i]);①.在 i - 1 天的时候，⼿⾥「没有股票」，并且交易了 j 次。在第 i 天的时候，啥也不 ⼲。此时的收益为 g[i - 1][j] ；②.在 i - 1 天的时候，⼿⾥「有股票」，并且交易了 j - 1 次。在第 i 天的时候，把 股票卖了。那么 i 天结束之后，我们就交易了 j 次。此时的收益为 f[i - 1][j - 1] + prices[i] ；

三.初始化：

  • 当处于第 0 天的时候，只能处于「买⼊过⼀次」的状态，此时的收益为 -prices[0] ，因 此 f[0][0] = - prices[0]
  • 为了取 max 的时候，⼀些不存在的状态「起不到⼲扰」的作⽤，我们统统将它们初始化为 - INF （⽤ INT_MIN 在计算过程中会有「溢出」的⻛险，这⾥ INF 折半取 0x3f3f3f3f ，⾜够⼩即可）

四.填表顺序：从上往下填每⼀⾏，每⼀⾏从左往右，两个表⼀起填。

五.返回值：返回处于卖出状态的最⼤值，但是我们也不知道是交易了⼏次，因此返回 g 表最后⼀⾏的最⼤ 值

代码详解：

class Solution {static int INF = -0x3f3f3f3f;public int maxProfit(int k, int[] prices) {int n = prices.length;int[][] f = new int[n][k + 1];int[][] g = new int[n][k + 1];//1.f[0][0] = -prices[0];for(int i = 1;i < f[0].length;i++){f[0][i] = INF;//->防止越界g[i - 1][j] - prices[i];}for(int j = 1;j < g[0].length;j++){g[0][j] = INF;//Integer.MIN_VALUE/2}//2.for(int i = 1;i < n;i++){for(int j = 0;j < k + 1;j++){f[i][j] = Math.max(f[i - 1][j],g[i - 1][j] - prices[i]);g[i][j] = g[i - 1][j];if(j > 0){g[i][j] = Math.max(g[i][j],f[i - 1][j - 1] + prices[i]);}}}int res = Integer.MIN_VALUE;for(int j = 0;j < k + 1;j++){ res = Math.max(res,g[n - 1][j]);}return res;}
}

运行结果：

 结语： 写博客不仅仅是为了分享学习经历，同时这也有利于我巩固知识点，总结该知识点，由于作者水平有限，对文章有任何问题的还请指出，接受大家的批评，让我改进。同时也希望读者们不吝啬你们的点赞+收藏+关注，你们的鼓励是我创作的最大动力！

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：http://www.hqwc.cn/news/691693.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

LabVIEW天然气压缩因子软件设计

LabVIEW天然气压缩因子软件设计

LabVIEW天然气压缩因子软件设计 项目背景 天然气作为一种重要的能源&#xff0c;其压缩因子的准确计算对于流量的计量和输送过程的优化具有关键意义。传统的计算方法不仅步骤繁琐&#xff0c;而且难以满足现场快速响应的需求。因此&#xff0c;开发一款既能保证计算精度又便于…
阅读更多...
该从哪些方面提升系统的吞吐量？

该从哪些方面提升系统的吞吐量？

更多大厂面试内容可见 -> http://11come.cn 该从哪些方面提升系统的吞吐量&#xff1f; 我们平时自己做的项目一般没有用户量&#xff0c;都是练手项目&#xff0c;所以并不会在吞吐量上做出很多的优化&#xff0c;但是这样的话&#xff0c;又会导致项目和其他人相比并没有…
阅读更多...
基于单片机的空气质量检测系统设计（51+4G版）-设计说明书

基于单片机的空气质量检测系统设计（51+4G版）-设计说明书

设计摘要&#xff1a; 本设计是基于单片机的空气质量检测系统设计涉及以下主要功能&#xff0c;旨在监测甲烷和一氧化碳的浓度&#xff0c;并在浓度过高时采取相应措施&#xff0c;以确保室内空气质量的安全。该系统使用传感器对甲烷和一氧化碳的浓度进行检测。传感器将收集到…
阅读更多...
day09-常用API异常

day09-常用API异常

1.时间日期类 1.1 Date类&#xff08;应用&#xff09; 计算机中时间原点 1970年1月1日 00:00:00 时间换算单位 1秒 1000毫秒 Date类概述 Date 代表了一个特定的时间&#xff0c;精确到毫秒 Date类构造方法 方法名说明public Date()分配一个 Date对象&#xff0c;并初始化…
阅读更多...
【JavaEE 初阶（五）】文件操作和IO

【JavaEE 初阶（五）】文件操作和IO

❣博主主页: 33的博客❣ ▶️文章专栏分类:JavaEE◀️ &#x1f69a;我的代码仓库: 33的代码仓库&#x1f69a; &#x1faf5;&#x1faf5;&#x1faf5;关注我带你了解更多文件操作 目录 1.前言2.认识文件3.文件操作3.1File 属性3.2构造方法3.3File类方法 4.文件内容操作4.1R…
阅读更多...
HackMyVM-Minimal

HackMyVM-Minimal

目录 信息收集 arp nmap nikto whatweb WEB web信息收集 gobuster 文件包含漏洞 提权 web信息收集 main方法 question_1 question_2 question_3 prize.txt 软连接 信息收集 arp ┌──(root?0x00)-[~/HackMyVM] └─# arp-scan -l Interface: eth0, type: E…
阅读更多...
免费SSL证书怎么签发

免费SSL证书怎么签发

大家都知道SSL证书好&#xff0c;作用大&#xff0c;安全性高&#xff0c;能加权重&#xff0c;等保必须的参考值。但是如何选择合适且正确的证书也是至关重要的&#xff0c;网站更适合单域名证书、多域名证书、泛域名证书、还是多域名通配符证书。 首先大家要清楚&#xff0c…
阅读更多...
10分钟了解Golang泛型

10分钟了解Golang泛型

泛型是Golang在1.18版本引入的强大工具&#xff0c;能够帮助我们在合适的场合实现简洁、可读、可维护的代码。原文: Go Generics: Everything You Need To Know 导言 可能有人会觉得Go泛型很难&#xff0c;因此想要借鉴其他语言&#xff08;比如Java、NodeJS&#xff09;的泛型…
阅读更多...
英语复习之英语形近词总结(三)

英语复习之英语形近词总结(三)

英语形近词总结复习第三部分: 单词释义例句 adorn 英 /əˈdɔːn/ 美 /əˈdɔːrn/ vt.装饰&#xff1b;使生色&#xff1a;n.(Adorn)人名&#xff1b;&#xff08;泰&#xff09;阿隆 1.They wash and wax the cars, go on and on about them—some even adorn them with …
阅读更多...
事件高级部分

事件高级部分

一&#xff0c;注册事件 即给元素添加事件 1.传统注册方式 2.方法监听注册方式 事件类型&#xff1a;字符串形式&#xff0c;不用带on 可以给一个元素添加多个程序 二.删除事件 1.方式 参数见上文 三.DOM事件流 事件的传播过程叫做事件流 js代码只能获取一个阶段&#xf…
阅读更多...
Hive UDTF之explode函数、Lateral View侧视图

Hive UDTF之explode函数、Lateral View侧视图

Hive UDTF之explode函数 Hive 中的 explode() 函数是一种用于处理数组类型数据的 User-Defined Table-Generating Function (UDTF)。它将数组拆分成多行&#xff0c;每个数组元素对应生成的一行数据。这在处理嵌套数据结构时非常有用&#xff0c;例如处理 JSON 格式的数据。 …
阅读更多...
Loongnix系统替换内核操作

Loongnix系统替换内核操作

Loongnix系统替换内核操作 一、终端下执行命令 sudo apt search linux-image* 返回结果中格式如: linux-image-4.19.0-19-loongson-3 为最新的内核源码。 二、下载内核源码包 sudo apt source linux-image-4.19.0-19-loongson-3 如提示&#xff1a;E: 您必须在 sources.li…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023