个人主页:元清加油_【C++】,【C语言】,【数据结构与算法】-CSDN博客
个人专栏
力扣递归算法题
?http://t.csdnimg.cn/yUl2I
【C++】? ??
??????http://t.csdnimg.cn/6AbpV
数据结构与算法
????http://t.csdnimg.cn/hKh2l
前言:这个专栏主要讲述动态规划算法,所以下面题目主要也是这些算法做的 ?
我讲述题目会把讲解部分分为3个部分:
1、题目解析
2、算法原理思路讲解
3、代码实现
买卖股票的最佳时机含冷冻期
题目链接:买卖股票的最佳时机含冷冻期
题目
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
解法
算法原理讲解
我们这题使用动态规划,我们做这类题目可以分为以下五个步骤
- 状态显示
- 状态转移方程
- 初始化(防止填表时不越界)
- 填表顺序
- 返回值
由于有「买?」「可交易」「冷冻期」三个状态,因此我们可以选择?三个数组,其中:
dp[i][0] 表示
:第
i
天结束后,处于「买?」状态,此时的最?利润;
dp[i][1] 表示:第
i
天结束后,处于「可交易」状态,此时的最?利润;
dp[i][2] 表示
:第
i
天结束后,处于「冷冻期」状态,此时的最?利润
我们要谨记规则:
- 处于「买?」状态的时候,我们现在有股票,此时不能买股票,只能继续持有股票,或者卖出股票;
- 处于「卖出」状态的时候:
- 如果「在冷冻期」,不能买?。
- 如果「不在冷冻期」,才能买?。
对于
dp[i][0]
,我们有「两种情况」能到达这个状态:
- 在 i - 1 天持有股票,此时最?收益应该和 i - 1 天的保持?致: dp[i - 1] [0] 。
- 在 i 天买?股票,那我们应该选择 i - 1 天不在冷冻期的时候买?,由于买?需要花钱,所以此时最大收益为: dp[i - 1][1] - prices[i]。
两种情况应取最?值,因此:
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]) 。
对于
dp[i][1]
,我们有「两种情况」能到达这个状态:
- 在 i - 1 天的时候,已经处于冷冻期,然后啥也不?到第 i 天,此时对应的状态为: dp[i - 1][2] ;
- 在 i - 1 天的时候,?上没有股票,也不在冷冻期,但是依旧啥也不?到第 i 天,此时对应的状态为 dp[i - 1][1] ;
两种情况应取最?值,因此:
dp[i][1] = max(dp[i - 1][1], dp[i - 1][2])
。
对于
dp[1][i]
,我们只有「?种情况」能到达这个状态: 在 i - 1
天的时候,卖出股票。
因此对应的状态转移为:
dp[i][2] = dp[i - 1][0] + prices[i]
。
三种状态都会?到前?个位置的值,因此需要初始化每??的第?个位置:
dp[0][0]
:此时要想处于「买?」状态,必须把第?天的股票买了,因此
dp[0][0] = - prices[0] ;
dp[0][1]
:啥也不??即可,因此
dp[0][1] = 0
;
dp[0][2]
:?上没有股票,买?下卖?下就处于冷冻期,此时收益为
0
,因此
dp[0][2] = 0 。
根据「状态表?」,我们要三个表?起填,每?个表「从左往右」。
应该返回「卖出状态」下的最?值,因此应该返回
max(dp[n - 1][1], dp[n - 1][2]) 。
解法
class Solution {
public:
int maxProfit(vector<int>& prices)
{
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(3));
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][2]);
dp[i][2] = dp[i - 1][0] + prices[i];
}
return max(dp[n - 1][1], dp[n - 1][2]);
}
};