再做一次股票交易问题,又发现满满的套路,跟我一起重刷一遍吧!思路清晰!一口气狂撸6道题!
题目汇总:
贪心
- 121,最多进行一次买卖
- 122,可以多次买卖
二维DP
- 122,可以多次买卖
- 309,多次买卖+卖出冷冻期
- 714,多次买卖+卖出手续费
三维DP
- 123,最多两次买卖
- 188,最多 k 次买卖
注意卖出必须在买入之后!
【贪心】
121,买卖股票的最佳时机,easy
给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易(即买入和卖出一支股票一次),设计一个算法来计算你所能获取的最大利润。
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 。
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。
题解
记录当前的最小价格,当前价格与最小价格的差即为当前卖出的利润。维护两个变量:最小价格 low
,和 最大利润 maxP
代码
class Solution {
public int maxProfit(int[] prices) {
int low = Integer.MAX_VALUE;
int maxP = 0;
for(int i = 0; i < prices.length; i++){
//如果当前价格比low小,更新low
if(prices[i] < low) low = prices[i];
//得到每次以当前价格卖出得到的最大利润值
maxP = Math.max(maxP, prices[i] - low);
}
return maxP;
}
}
122,买卖股票的最佳时机Ⅱ,easy
给定一个数组,它的第 i 个元素是一支给定股票第 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)。
示例 1:
输入: [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 。
题解
可以无限次进行交易,则只要当天比前一天的价格高即可卖出,获得利润。
代码
class Solution {
public int maxProfit(int[] prices) {
if(prices.length < 2) return 0;
int maxP = 0;
for(int i = 1; i < prices.length; i++){
if(prices[i] > prices[i - 1])
maxP += prices[i] - prices[i - 1];
}
return maxP;
}
}
【二维DP】
上面的 122题 还可以用动态规划来解,理解了此题DP的思想,309题和714题就很好懂了!
122,买卖股票的最佳时机Ⅱ,easy
对股票,每天有三种选择:买入、卖出、保持不变。保持不变分为两种状态:一种是买入之后的持有股票,一种是卖出之后的不持有股票。
- 子问题
d p [ i ] [ j ] dp[i][j] dp[i][j] — 在第 i 天持有状态为 s 的最大利润。其中 s = 0 表示当天不持有股票,s = 1表示当天持有股票。 - base case
d p [ 0 ] [ 0 ] = 0 dp[0][0] = 0 dp[0][0]=0 — 在第0天不持有股票,利润为0
d p [ 0 ] [ 1 ] = − p r i c e s [ i ] dp[0][1] = -prices[i] dp[0][1]=−prices[i] — 在第0天持有股票,利润为第一天股票价格的负值 - 状态转移
-
d
p
[
i
]
[
0
]
=
M
a
t
h
.
m
a
x
(
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
+
p
r
i
c
e
s
[
i
]
dp[i][0] = Math.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]
在第 i 天不持有股票,前一天有两种可能:也不持有股票 或者 持有股票但在第 i 天卖出 -
d
p
[
i
]
[
1
]
=
M
a
t
h
.
m
a
x
(
d
p
[
i
−
1
]
[
1
]
,
d
p
[
i
−
1
]
[
0
]
−
p
r
i
c
e
s
[
i
]
dp[i][1] = Math.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]
在第 i 天持有股票,前一天有两种可能:也持有股票 或者 不持有股票但在第 i 天买入
-
d
p
[
i
]
[
0
]
=
M
a
t
h
.
m
a
x
(
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
+
p
r
i
c
e
s
[
i
]
dp[i][0] = Math.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]
- 返回值
返回在第 n -1 天不持有的最大利润 d p [ i − 1 ] [ 0 ] dp[i - 1][0] dp[i−1][0],不持有才是利润最大的时候
代码
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;//天数
int[][] dp = new int[n][2];
dp[0][0] = 0;
dp[0][1] = -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][0] - prices[i]);
}
return dp[n - 1][0];
}
}
309,最佳买卖股票时机含冷冻期,medium
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)。
示例:
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]
题解
此题与上面的区别在于卖出之后冷冻期为 1 天,那么在状态转移中如果当天持有股票,就不能讨论与前一天的情况变化,而是考虑与两天前的情况比较。
如果今天持有股票,可能前一天持有保持不变,也可能之前没有股票,今天买入。
那么状态转移方程就变为
d
p
[
i
]
[
1
]
=
M
a
t
h
.
m
a
x
(
d
p
[
i
−
1
]
[
1
]
,
d
p
[
i
−
2
]
[
0
]
−
p
r
i
c
e
s
[
i
]
)
dp[i][1]=Math.max(dp[i-1][1], dp[i-2][0]-prices[i])
dp[i][1]=Math.max(dp[i−1][1],dp[i−2][0]−prices[i])。
此时,for循环中 i 从 2 开始遍历。相应地,base case 的情况也要变化。
代码
class Solution {
public int maxProfit(int[] prices) {
if(prices.length < 2) return 0;
int n = prices.length;
int[][] dp = new int[n][2];
//base case
dp[0][0] = 0;
dp[0][1] = - prices[0];
dp[1][0] = Math.max(0, prices[1] - prices[0]);
dp[1][1] = Math.max(-prices[0], -prices[1]);
for(int i = 2; 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 - 2][0] - prices[i]);
}
return dp[n - 1][0];
}
}
714,最佳买卖股票时机含手续费,medium
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。
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.
题解
与 122题 的唯一区别就是付手续费,那很简单嘛,设定买入需要交手续费,只要在原来买入的时候 减去fee 即可。
代码
class Solution {
public int maxProfit(int[] prices, int fee) {
int n = prices.length;
if(n < 2) return 0;
int[][] dp = new int[n][2];
dp[0][0] = 0;
dp[0][1] = -prices[0] - fee;
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][0] - prices[i] - fee);
}
return dp[n - 1][0];
}
}
【三维DP】
123,买卖股票的最佳时机Ⅲ,hard
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 。
题解
限定了交易次数,所以需要再加一个状态 k。
d
p
[
i
]
[
k
]
[
s
]
dp[i][k][s]
dp[i][k][s] — 在第 i 天,交易次数最多为 k,持有状态为 s 的最大利润。其中,0 =< i <= n - 1 , k >= 1,s = 0 或 1。
此时的状态转移方程:
-
d p [ i ] [ k ] [ 0 ] = m a x ( d p [ i − 1 ] [ k ] [ 0 ] , d p [ i − 1 ] [ k ] [ 1 ] + p r i c e s [ i ] ) dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i]) dp[i][k][0]=max(dp[i−1][k][0],dp[i−1][k][1]+prices[i])
解释:今天没有持有股票,有两种可能:
要么是昨天就没有持有,然后今天保持不变;要么是昨天持有股票,但是今天卖出了,所以今天没有持有股票。
-
d p [ i ] [ k ] [ 1 ] = m a x ( d p [ i − 1 ] [ k ] [ 1 ] , d p [ i − 1 ] [ k − 1 ] [ 0 ] − p r i c e s [ i ] ) dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i]) dp[i][k][1]=max(dp[i−1][k][1],dp[i−1][k−1][0]−prices[i])
解释:今天持有着股票,有两种可能:
要么昨天就持有着股票,然后今天保持不变;要么昨天本没有持有,但今天买入,所以今天就持有股票了。
由状态转移方程,for 循环 从 1 遍历,base case中就要讨论边界条件。
返回值:第 n - 1天不持有股票且最多交易2次 的最大利润 d p [ n − 1 ] [ 2 ] [ 0 ] dp[n - 1][2][0] dp[n−1][2][0]
代码
class Solution {
public int maxProfit(int[] prices) {
if(prices.length < 2) return 0;
int n = prices.length;
int max_k = 2;
int[][][] dp = new int[n][max_k + 1][2];
// dp[0][1][0] = 0;
// dp[0][2][0] = 0;
// dp[0][1][1] = -prices[0];
// dp[0][2][1] = -prices[0];
for(int i = 0; i < n; i++){
for(int k = max_k; k >= 1; k--){
//处理base case
if(i - 1 == -1){
dp[i][1][0] = 0;
dp[i][2][0] = 0;
dp[i][1][1] = -prices[i];
dp[i][2][1] = -prices[i];
continue;
//dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][1][1] + prices[i]) = max(0,-无穷) = 0
//dp[i][2][0] = max(dp[i-1][2][0], dp[i-1][2][1] + prices[i]) = max(0,-无穷) = 0
//dp[i][1][1] = max(dp[i-1][1][1],dp[i-1][0][0] - prices[i]) = max(-无穷, -prices[i]) = -prices[i]
//dp[i][2][1] = max(dp[i-1][2][1],dp[i-1][0][0] - prices[i]) = max(-无穷, -prices[i]) = -prices[i]
}
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Ⅲ,hard
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 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 。
思路
与上一题区别在于完成 k 笔交易,有了上一题的铺垫,此题的代码很好解决。但按照上面的思路,k 太大会出现超出内存限制。思考:交易数k 最大有多大呢?
一次交易分为买入和卖出,至少需要两天。所以有效的限制 k <= n / 2
,如果超过,就没有约束作用了,相当于 k = +无穷(即第122题)。
代码
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices.length < 2 || k < 1) return 0;
int n = prices.length;
int[][][] dp = new int[n][k + 1][2];
if(k > n / 2){
return maxProfit(prices);
}
for(int i = 0; i < n; i++){
for(int j = k; j >= 1; j--){
//处理base case
if(i - 1 == -1){
dp[i][j][0] = 0;
dp[i][j][1] = -prices[i];
continue;
}
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];
}
public int maxProfit(int[] prices) {
if(prices.length < 2) return 0;
int n = prices.length;
int[][] dp = new int[n][2];
//base case
dp[0][0] = 0;
dp[0][1] = -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][0] - prices[i]);
}
return dp[n - 1][0];
}
}