• [LeetCode]121、122、309 买股票的最佳时机系列问题(DP)


    121.买卖股票的最佳时机

    题目

    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),设计一个算法来计算你所能获取的最大利润。

    注意你不能在买入股票前卖出股票。

    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。
    示例 2:

    输入: [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。

    来源:力扣(LeetCode)
    链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
    著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

    题解

    遍历数组,维护到当前数为止最小代价和最大利润(初始化为0)。

    代码

    class Solution {
      public int maxProfit(int[] prices) {
    		if (prices == null || prices.length < 2) {
    			return 0;
    		}
    
    		int minCost = Integer.MAX_VALUE;
    		int maxProfit = 0;
    		for (int i = 1; i < prices.length; ++i) {
    			minCost = Math.min(minCost, prices[i - 1]);
    			maxProfit = Math.max(maxProfit, prices[i] - minCost);
    		}
    		return maxProfit;
    	}
    }
    

    122. 买卖股票的最佳时机 II

    题目

    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 。
    示例 2:

    输入: [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: [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。

    来源:力扣(LeetCode)
    链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii
    著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

    题解

    • 动态规划,遍历每种状态,选出最大值。

    • 状态描述
      dp[i][0]表示到第i天为止,手中不持有股票,最大利益。
      dp[i][1]表示到第i天为止,手中持有股票,最大利益。

    • 状态转移方程
      dp[i][0]=max(dp[i-1][0],dp[i-1][1]+prices[I])
      dp[i][1]=max(dp[i][1],dp[i-1][0]-prices[I])

    • 状态初始化
      dp[-1][0]=0 表示第0天前,手中不持有股票,最大利益为0。
      dp[-1][1]=Integer.MIN_VALUE,手中持有股票,是不可能的,最大利益给整型号最小值。

    • 此外,优化为滚动数组,第一维只需要长度为2。

    代码

    class Solution {
     public int maxProfit(int[] prices) {
    		int[][] dp = new int[2][2];// 第一维用来做滚动数组,第二维表示持有状态
    		dp[0][0] = 0;// 0表示不持有股票
    		dp[0][1] = Integer.MIN_VALUE;// 1表示持有股票
    		Boolean tag = true;
    		int idx = 1;
    		int reverseIdx;
    		for (int i = 0; i < prices.length; ++i) {
    			idx = tag ? 1 : 0;
    			reverseIdx = (!tag) ? 1 : 0;
    			dp[idx][0] = Math.max(dp[reverseIdx][0], dp[reverseIdx][1] + prices[i]);
    			dp[idx][1] = Math.max(dp[reverseIdx][1], dp[reverseIdx][0] - prices[i]);
    			tag = !tag;
    		}
    		return dp[idx][0];
    	}
    }
    

    309. 最佳买卖股票时机含冷冻期(DP)

    题目

    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]

    来源:力扣(LeetCode)
    链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown
    著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

    题解

    在题目二基础上,由于冷冻期,状态转移方程发生简单的变化,同时由于状态转移需要记录两天前的状态,所以这里采用临时变量存储。

    代码

    class Solution {
        public int maxProfit(int[] prices) {
            int[][] dp = new int[2][2];// 第一维用来做滚动数组,第二维表示持有状态
            int preStaTmp = 0;// 用来临时记录未持有股票,i-2天前的状态;注意为防止溢出,初始化为0,同时具备意义
    		dp[0][0] = 0;// 0表示不持有股票
    		dp[0][1] = Integer.MIN_VALUE;// 1表示持有股票
    		Boolean tag = true;
    		int idx = 1;
    		int reverseIdx;
    		for (int i = 0; i < prices.length; ++i) {
    			idx = tag ? 1 : 0;
    			reverseIdx = (!tag) ? 1 : 0;
    			dp[idx][0] = Math.max(dp[reverseIdx][0], dp[reverseIdx][1] + prices[i]);
    			dp[idx][1] = Math.max(dp[reverseIdx][1], preStaTmp - prices[i]);
    			preStaTmp=dp[reverseIdx][0]; // 更新preStaTmp
                tag = !tag;
    		}
    		return dp[idx][0];
        }
    }
    
  • 相关阅读:
    PCA 最大方差理论的直观解释
    支持向量机综述
    sklearn 的 PolynomialFeatures 的用法
    (转载)FM 算法
    (转载)Kaggle_Titanic生存预测 -- 详细流程吐血梳理
    (转载)Scikit-learn使用总结
    m96-97 lsc nc赛
    CSP-S 94 (sb lsc gc赛)
    CSP-S 95 (sb lsc yy赛)
    小反思
  • 原文地址:https://www.cnblogs.com/coding-gaga/p/11729468.html
Copyright © 2020-2023  润新知