• 代码随想录算法训练营第50天 | 123.买卖股票的最佳时机III 188.买卖股票的最佳时机IV


    代码随想录系列文章目录

    动态规划篇 —— 买卖股票



    123.买卖股票的最佳时机III

    题目链接
    这道题相比于相比于 1 买卖一次和 2 买卖多次,它是至多买卖两次,这意味着可以买卖一次,可以买卖两次,也可以不买卖。
    所以我直接看代码随想录了

    1.状态定义

    一天一共有五个状态
    0 —— 没有操作
    1 —— 第一次买入
    2 —— 第一次卖出
    3 —— 第二次买入
    4 —— 第二次卖出

    dp[i][j]中 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.状态转移

    dp[i][1],表示的是第i天,买入股票的状态,并不是说一定要第i天买入股票,这是很多同学容易陷入的误区。

    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]
    那么dp[i][1]究竟选 dp[i-1][0] - prices[i],还是dp[i - 1][1]呢?

    一定是选最大的,所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);

    同理dp[i][2]也有两个操作:

    操作一:第i天卖出股票了,那么dp[i][2] = dp[i - 1][1] + prices[i]
    操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i][2] = dp[i - 1][2]
    所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])

    同理可推出剩下状态部分:

    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]);

    总结

    一天一共有五个状态
    0 —— 没有操作
    1 —— 第一次买入
    2 —— 第一次卖出
    3 —— 第二次买入
    4 —— 第二次卖出

    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])

    3.base case
    dp[0][0] = 0
    dp[0][1] = -prices[0] (#第0天做第一次买入的操作
    dp[0][2] = 0 (#第0天做第一次卖出的操作
    dp[0][3] = -prices[0] (#第0天做第二次买入的操作
    dp[0][4] = 0 (#第0天做第二次卖出的操作

    4.遍历顺序以及解的所在
    正序遍历
    解在dp[len-1][4]
    最大的时候一定是卖出的状态,而两次卖出的状态现金最大一定是最后一次卖出。

    def maxProfit(self, prices: List[int]) -> int:
            dp = [[0] * 5 for _ in range(len(prices))]
            dp[0][1], dp[0][3] = -prices[0], -prices[0]
    
            for i in range(1, len(prices)):
                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[len(prices)-1][4]
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    时间复杂度:O(n)
    空间复杂度:O(n × 5)

    我总觉得,这道题也算个简单题呢,如果学了 1 和 2,知道这个题的状态有五种,那也不是很难
    1和2的第 i 天状态只有两种, 就是 不持有 或者 持有

    188.买卖股票的最佳时机IV

    题目链接
    这道题就是上一题的进阶版了,至多可以完成k笔交易

    其实 至多有K笔交易,那么j的范围就定义为 2 * k + 1 就可以了

    然后可以根据上一题 找规律 ,dp式子是有规律的,除0之外 奇数买,偶数卖

    class Solution:
        def maxProfit(self, k: int, prices: List[int]) -> int:
            if len(prices) == 0: return 0
            dp = [[0] * (2*k+1) for _ in range(len(prices))]
            for j in range(1, 2*k, 2): dp[0][j] = -prices[0] #初始化
    
            for i in range(1, len(prices)):
                for j in range(0, 2*k-1, 2):
                    dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j] - prices[i])  #奇数
                    dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]) #偶数
            return dp[-1][2*k]
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
  • 相关阅读:
    K8s 集群部署过程文档
    Html5+Css3第一讲:html5+Css3基础(2)
    基于 Hive 的 Flutter 文档类型存储
    Mysql数据库 10.SQL语言 储存过程 上
    Operator3-设计一个operator二-owns的使用
    【数组】逐步求和得到正数的最小值
    Gorm框架学习---CRUD接口之创建
    css选择器优先级问题
    NVM node 多版本管理
    小型功率放大器的设计与制作——功率放大电路的关键问题
  • 原文地址:https://blog.csdn.net/lebowskii/article/details/127762745