主要总结了股票买卖问题
对应leetcode题目为121.122.123.188.309.714
代码地址https://github.com/Ltd5552/Algorithm/tree/master/8-DP/Stock
121.买卖股票的最佳时机
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
。
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。
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
最基础的版本,仅能够买卖一次,求最大利润
-
定义
dp[i][0]
为第i天持有股票所得最多的现金,dp[i][1]
为第i天不持有股票所得最多的现金; -
递推公式
对于某一天来说存在两种状态:
-
持有股票:
-
可能是之前就有:
dp[i][1] = dp[i-1][1]
-
也可能是当天买入:
dp[i][1] = -prices[i]
由于是仅能买卖一次,所以无需考虑之前的利润,第i天买入就一定是-prices[i]
-
-
不持有股票:
- 可能是一直都没有:
dp[i][0] = dp[i-1][0]
- 也可能是当天卖出:
dp[i][0] = dp[i-1][1] + prices[i]
- 可能是一直都没有:
-
两种情况都取最大值即可
而后面的其他问题也是基于这两种初始状态演变、升级
-
初始化
根据上面的定义初始化比较简单
dp[0][0] = 0
dp[0][1] = -prices[0]
剩下的都由这两个推出来
-
遍历顺序就是从前往后,因为后面的都依赖前面的结果
func maxProfitI(prices []int) int {
dp := make([][]int, len(prices))
for i := range dp {
dp[i] = make([]int, 2)
}
// i-0表示第i天不持有股票
// i-1表示第i天持有股票
dp[0][1] = -prices[0]
dp[0][0] = 0
for i := 1; i < len(dp); i++ {
//之前就没有或者是第i天卖出去了
dp[i][0] = utils.Max(dp[i-1][0], dp[i-1][1]+prices[i])
//之前就有或者第i天买入的
dp[i][1] = utils.Max(dp[i-1][1], -prices[i])
}
return dp[len(prices)-1][0]
}
122.买卖股票的最佳时机II
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 。
分析
状态定义还是与上一题一样,唯一不同的就是能够多次买卖,限制是得卖了才能再买。
所以唯一不同的地方是考虑第i天买入的时候之前的不持有状态可能有结余(之前可能存在买卖情况),而对于上一道题而言就相当于之前的不持有状态下利润为0(没有买卖交易)。
递推公式
对于某一天来说存在两种状态:
-
持有股票:
-
可能是之前就有:
dp[i][1] = dp[i-1][1]
-
也可能是当天买入:
dp[i][1] = dp[i][0]-prices[i]
-
-
不持有股票:
- 可能是一直都没有:
dp[i][0] = dp[i-1][0]
- 也可能是当天卖出:
dp[i][0] = dp[i-1][1] + prices[i]
- 可能是一直都没有:
两种情况都取最大值即可
unc maxProfitII(prices []int) int {
dp := make([][]int, len(prices))
for i := range dp {
dp[i] = make([]int, 2)
}
// i-0表示第i天不持有股票
// i-1表示第i天持有股票
dp[0][1] = -prices[0]
dp[0][0] = 0
for i := 1; i < len(dp); i++ {
//之前就没有或者是第i天卖出去了
dp[i][0] = utils.Max(dp[i-1][0], dp[i-1][1]+prices[i])
//之前就有或者第i天买入的,与I不同的是这里计算第i天买入时考虑之前买卖结果的结余(也可能为负)
dp[i][1] = utils.Max(dp[i-1][1], dp[i-1][0]-prices[i])
}
return dp[len(prices)-1][0]
}
123.买卖股票的最佳时机III
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
分析
相对于前两道题而言,这道题加入最多买入两次的条件,导致情况变得更加复杂,需要对每天的状态情况更加详细的划分。
- 状态1表示第一次持有
- 状态2表示第一次不持有
- 状态3表示第二次持有
- 状态4表示第二次不持有
所以dp数组如下定义
-
定义dp数组,对每一天定义出四种状态
-
dp[i][1]
为第一次持有 -
dp[i][2]
为第一次不持有 -
dp[i][3]
为第二次持有 -
dp[i][4]
为第二次不持有
-
在初始化时dp[0][3]
即第二次持有可以理解为当天买了又卖再买
func maxProfitIII(prices []int) int {
dp := make([][]int, len(prices))
for i := range dp {
dp[i] = make([]int, 5)
}
//初始化第1、2次持有
//而第1、2次不持有初始化就是0
dp[0][1] = -prices[0]
dp[0][3] = -prices[0]
for i := 1; i < len(prices); i++ {
dp[i][1] = utils.Max(dp[i-1][1], -prices[i])
dp[i][2] = utils.Max(dp[i-1][2], dp[i-1][1]+prices[i])
dp[i][3] = utils.Max(dp[i-1][3], dp[i-1][2]-prices[i])
dp[i][4] = utils.Max(dp[i-1][4], dp[i-1][3]+prices[i])
}
//状态4>=状态2,所以直接取4就行
return dp[len(prices)-1][4]
}
// 这个和上面的差不多,只不过是使用了滚动数组
func maxProfitIII2(prices []int) int {
dp := make([]int, 5)
//初始化第1、2次持有
//而第1、2次不持有初始化就是0
dp[1] = -prices[0]
dp[3] = -prices[0]
for i := 1; i < len(prices); i++ {
dp[1] = utils.Max(dp[1], dp[0]-prices[i])
dp[2] = utils.Max(dp[2], dp[1]+prices[i])
dp[3] = utils.Max(dp[3], dp[2]-prices[i])
dp[4] = utils.Max(dp[4], dp[3]+prices[i])
}
//状态4>=状态2,所以直接取4就行
return dp[4]
}
188.买卖股票的最佳时机IV
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,和一个整型 k
。
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)。
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 。
分析
这一题又是紧扣上一题的次数限制,这里是延申到了k次,这就会导致每天状态变得更多
但根据上一题可以看出,当我们交替定义第n次持有或不持有的话就可以转换为两种情况:持有或不持有,对应于奇偶(或偶奇)序数,所以使用奇偶数进行处理。
func maxProfitIV(k int, prices []int) int {
dp := make([][]int, len(prices))
for i := 0; i < len(prices); i++ {
dp[i] = make([]int, 2*k+1)
}
for j := 1; j < 2*k; j += 2 {
dp[0][j] = -prices[0]
}
//因为有+2操作
for i := 1; i < len(prices); i++ {
//第二层循环是针对奇偶实现交替
for j := 0; j < 2*k; j += 2 {
//持有
dp[i][j+1] = utils.Max(dp[i-1][j+1], dp[i-1][j]-prices[i])
//不持有
dp[i][j+2] = utils.Max(dp[i-1][j+2], dp[i-1][j+1]+prices[i])
}
}
return dp[len(prices)-1][2*k]
}
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
分析
引入冷冻期,所以需要将当天卖出股票状态单独列出来,因为冷冻期状态只能由前一天卖出状态转化而来,如果合并为三个状态会比较复杂
- 保持买入股票状态
- 保持卖出股票状态
- 当天卖出股票状态
- 冷冻期状态
其他内容都一样
func maxProfitV(prices []int) int {
dp := make([]int, 4)
dp[0] = -prices[0]
for i := 1; i < len(prices); i++ {
tmp0 := dp[0]
tmp2 := dp[2]
dp[0] = utils.Max(dp[0], dp[3]-prices[i], dp[1]-prices[i])
dp[1] = utils.Max(dp[1], dp[3])
dp[3] = tmp2
dp[2] = tmp0 + prices[i]
}
return utils.Max(dp[1], dp[2], dp[3])
}
上面是对空间进行了强行优化,实则还是可以用二维dp
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
分析
这道题就是在122的基础上引入了手续费,只需要在交易的买入/卖出选择一次计算费用即可
func maxProfitVI(prices []int, fee int) int {
dp := make([]int, 2)
//规定买入的时候收手续费
dp[0] = -prices[0] - fee
for i := 1; i < len(prices); i++ {
//购入或卖出只选一次计算费用即可
dp[0] = utils.Max(dp[0], dp[1]-prices[i]-fee)
dp[1] = utils.Max(dp[1], dp[0]+prices[i])
}
return dp[1]
}
总结
这类买卖问题非常好地展示了对于状态的分析、转移,以及基于状态转移的递推式推导,同时可以通过一定规律对状态进行合并,比如上面的奇偶合并了k天的2*k个状态,还有对于空间的压缩要注意是否会影响到后面的内容。