代码随想录刷题题Day36

发布时间:2024年01月18日

刷题的第三十六天,希望自己能够不断坚持下去,迎来蜕变。😀😀😀
刷题语言:C++
Day36 任务
123.买卖股票的最佳时机III
188.买卖股票的最佳时机IV

1 买卖股票的最佳时机III

123.买卖股票的最佳时机III
在这里插入图片描述
思路:
动态规划
关键在于至多买卖两次,这意味着可以买卖一次,可以买卖两次,也可以不买卖。
(1)确定dp数组以及下标的含义
一天一共就有五个状态

  1. 没有操作
  2. 第一次持有股票
  3. 第一次不持有股票
  4. 第二次持有股票
  5. 第二次不持有股票

dp[i][j]:i表示第i天,j为 [0 - 4] 五个状态,dp[i][j]表示第i天状态j所剩最大现金。

(2)确定递推公式

达到dp[i][1]状态,有两个具体操作:

  • 操作一:第i天买入股票了,那么dp[i][1] = dp[i-1][0] - prices[i]
  • 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i][1] = dp[i - 1][1]

d p [ i ] [ 1 ] = m a x ( d p [ i ? 1 ] [ 0 ] ? p r i c e s [ i ] , d p [ i ? 1 ] [ 1 ] ) ; dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]); dp[i][1]=max(dp[i?1][0]?prices[i],dp[i?1][1]);
d p [ i ] [ 2 ] = m a x ( d p [ i ? 1 ] [ 1 ] + p r i c e s [ i ] , d p [ i ? 1 ] [ 2 ] ) dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2]) dp[i][2]=max(dp[i?1][1]+prices[i],dp[i?1][2])
d p [ i ] [ 3 ] = m a x ( d p [ i ? 1 ] [ 3 ] , d p [ i ? 1 ] [ 2 ] ? p r i c e s [ i ] ) ; dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]); dp[i][3]=max(dp[i?1][3],dp[i?1][2]?prices[i]);
d p [ i ] [ 4 ] = m a x ( d p [ i ? 1 ] [ 4 ] , d p [ i ? 1 ] [ 3 ] + p r i c e s [ i ] ) ; dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]); dp[i][4]=max(dp[i?1][4],dp[i?1][3]+prices[i]);
(3)dp数组如何初始化

dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;

(4)确定遍历顺序:从前向后遍历,因为dp[i],依靠dp[i - 1]的数值
(5)举例推导dp数组
在这里插入图片描述
C++:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = dp[i - 1][0];
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
        return dp[prices.size() - 1][4];
    }
};

时间复杂度: O ( n ) O(n) O(n)
空间复杂度: O ( n × 5 ) O(n × 5) O(n×5)

2 买卖股票的最佳时机IV

188.买卖股票的最佳时机IV
在这里插入图片描述
思路:
动态规划
(1)确定dp数组以及下标的含义
使用二维数组 dp[i][j] :第i天的状态为j,所剩下的最大现金是dp[i][j]
j的状态表示为:

  • 0 表示不操作
  • 1 第一次买入
  • 2 第一次卖出
  • 3 第二次买入
  • 4 第二次卖出

除了0以外,偶数就是卖出,奇数就是买入。

vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0);

(2)确定递推公式

for (int j = 0; j < 2 * k - 1; j += 2) {
	dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
	dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}

(3)dp数组如何初始化

for (int j = 1; j < 2 * k; j++) {
	dp[0][j] = -prices[0];
}

(4)确定遍历顺序:从前向后遍历,因为dp[i],依靠dp[i - 1]的数值。
(5)举例推导dp数组
在这里插入图片描述
最后一次卖出,一定是利润最大的,dp[prices.size() - 1][2 * k]即红色部分就是最后求解。

C++:

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        for (int j = 1; j < 2 * k; j += 2) {
            dp[0][j] = -prices[0];
        }
        for (int i = 1; i < prices.size(); i++) {
            for (int j = 0; j < 2 * k - 1; j += 2) {
                dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
                dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
            }
        }
        return dp[prices.size() - 1][2 * k];
    }
};

时间复杂度: O ( n ? k ) O(n * k) O(n?k),其中 n 为 prices 的长度
空间复杂度: O ( n ? k ) O(n * k) O(n?k)


鼓励坚持三十七天的自己😀😀😀

文章来源:https://blog.csdn.net/BigDavid123/article/details/135683551
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。