【错题集-编程题】买卖股票的最好时机(四)(动态规划)

力扣对应题目链接:188. 买卖股票的最佳时机 IV - 力扣(LeetCode)

牛客对应题目链接:买卖股票的最好时机(四)_牛客题霸_牛客网 (nowcoder.com)


一、分析题目

1、状态表示

为了更加清晰的区分买入卖出,我们换成有股票无股票两个状态。

  • f[i][j] 表示:第 i 天结束后,完成了 j 笔交易,此时处于有股票状态的最大收益。
  • g[i][j] 表示:第 i 天结束后,完成了 j 笔交易,此时处于无股票状态的最大收益。

2、状态转移方程

对于 f[i][j],也有两种情况能在第 i 天结束之后,完成 j 笔交易,此时手里有股票的状态:

  • i-1 天的时候,手里有股票,并且交易了 j 次。在第 i 天的时候,啥也不干。此时的收益为 f[i - 1][j]
  • i-1 天的时候,手里没有股票,并且交易了 j 次。在第 i 天的时候,买了股票。那么 i 天结束之后,就有股票了。此时的收益为 g[i - 1][j] - prices[i]

上述两种情况,我们需要的是最大值,因此 f 的状态转移方程为:

f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]

对于 g[i][j],我们有下⾯两种情况能在第 i 天结束之后,完成 j 笔交易,此时手里没有股票的状态:

  • i-1 天的时候,手里没有股票,并且交易了 j 次。在第 i 天的时候,啥也不干。此时的收益为 g[i - 1][j]
  • i-1 天的时候,手里有股票,并且交易了 j - 1 次。在第 i 天的时候,把股票卖了。那么 i 天结束之后,我们就交易了 j 次。此时的收益为 f[i - 1][j - 1] + prices[i]

上述两种情况,我们需要的是最大值,因此 g 的状态转移方程为:

g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i])

它们之间交易关系如下:


3、初始化

由于需要用到 i=0 时的状态,因此我们初始化第一行即可。
  • 当处于第 0 天的时候,只能处于买入过⼀次的状态,此时的收益为 -prices[0] ,因f[0][0] = - prices[0]
  • 为了取 max 的时候,⼀些不存在的状态起不到干扰的作⽤,我们统统将它们初始化为 -INF(用 INT_MIN 在计算过程中会有溢出的风险,这⾥ INF 折半取 0x3f3f3f3f ,足够小即可)。

4、填表顺序

从上往下填每一行,每一行从左往右,两个表⼀起填。

5、返回值

返回处于卖出状态的最大值,但是我们也不知道是交易了几次,因此返回 g 表最后一行的最大值。


6、优化

我们的交易次数是不会超过整个天数的一半的,因此我们可以先把 k 处理一下,优化一下问题的规模:k = min(k, n / 2)


二、代码

//力扣
//【动态规划-二维dp-2个状态】
class Solution {//f[i][j]:第i天结束后,完成了j次交易,此时处于“买入”状态下的最大利润//g[i][j]:第i天结束后,完成了j次交易,此时处于“卖出”状态下的最大利润
private:const int INF=0x3f3f3f3f;
public:int maxProfit(int k, vector<int>& prices) {int n=prices.size();k=min(k, n/2); //优化:处理最多交易次数vector<vector<int>> f(n, vector<int>(k+1, -INF));vector<vector<int>> g(n, vector<int>(k+1, -INF));f[0][0]=-prices[0], g[0][0]=0;for(int i=1; i<n; i++){for(int j=0; j<=k; j++){f[i][j]=max(f[i-1][j], g[i-1][j]-prices[i]);g[i][j]=g[i-1][j];if(j>=1) g[i][j]=max(g[i][j], f[i-1][j-1]+prices[i]);}}int res=0;for(int j=0; j<=k; j++)res=max(res, g[n-1][j]);return res;}
};//【动态规划-二维dp-2k+1个状态】
class Solution {//dp[i][0] -- 没有操作//下面j为奇数:买入;j为偶数:卖出 (j的范围:1~2k-1)//dp[i][j] -- 第1~k次买入//dp[i][j+1] -- 第1~k次卖出
public:int maxProfit(int k, vector<int>& prices) {int n=prices.size();vector<vector<int>> dp(n, vector<int>(2*k+1));for(int j=1; j<2*k; j+=2)dp[0][j]=-prices[0];for(int i=1; i<n; i++){for(int j=0; j<2*k; 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[n-1][2*k];}
};
//牛客
#include <iostream>
#include <cstring>
using namespace std;const int INF=0x3f3f3f3f;
const int N=1010, M=110;
int prices[N];
int f[N][M], g[N][M];
//f[i][j]:第i天结束后,完成了j次交易,此时处于“买入”状态下的最大利润
//g[i][j]:第i天结束后,完成了j次交易,此时处于“卖出”状态下的最大利润int main()
{int n, k;cin >> n >> k;for(int i=0; i<n; i++)cin >> prices[i];memset(f, -INF, sizeof(f));memset(g, -INF, sizeof(g));int res=0;f[0][0]=-prices[0], g[0][0]=0;for(int i=1; i<n; i++){for(int j=0; j<=k; j++){f[i][j]=max(f[i-1][j], g[i-1][j]-prices[i]);g[i][j]=g[i-1][j];if(j>0) g[i][j]=max(g[i][j], f[i-1][j-1]+prices[i]);res=max(res, g[i][j]);}}cout << res << endl;return 0;
}//值得学习的代码
#include <iostream>
using namespace std;const int N = 1010, M = 110;int n, k, p[N];
int f[N][M], g[N][M];int main()
{cin >> n >> k;for(int i = 0; i < n; i++) cin >> p[i];k = min(k, n / 2);for(int j = 0; j <= k; j++) f[0][j] = g[0][j] = -0x3f3f3f3f;f[0][0] = -p[0], g[0][0] = 0;for(int i = 1; i < n; i++){for(int j = 0; j <= k; j++){f[i][j] = max(f[i - 1][j], g[i - 1][j] - p[i]);g[i][j] = g[i - 1][j];if(j >= 1) g[i][j] = max(g[i][j], f[i - 1][j - 1] + p[i]);}}int ret = 0;for(int j = 0; j <= k; j++) ret = max(ret, g[n - 1][j]);cout << ret << endl;return 0;
}

三、反思与改进

买卖股票这种类似有系列的题目,需要把核心知识点彻底弄熟。

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。如若转载,请注明出处:http://www.mzph.cn/diannao/44903.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【鸿蒙学习笔记】通过用户首选项实现数据持久化

官方文档&#xff1a;通过用户首选项实现数据持久化 目录标题 使用场景第1步&#xff1a;源码第2步&#xff1a;启动模拟器第3步&#xff1a;启动entry第6步&#xff1a;操作样例2 使用场景 Preferences会将该数据缓存在内存中&#xff0c;当用户读取的时候&#xff0c;能够快…

springboot对象参数赋值变化

java springboot 项目&#xff0c; 通过接口修改Person类 name值&#xff0c; 在别的类中&#xff0c;注入Person类 Resource Person person&#xff0c; 为什么拿不到 接口修改的 name的值&#xff0c;是Person类 不同的对象造成的 吗 参数对象和注入对象区别 Person类&…

云WAF | 云waf基础知识详解

随着数字时代的到来&#xff0c;网络安全问题越来越突出&#xff0c; Web应用防火墙&#xff08;WAF&#xff09;是保障 Web应用安全的一道重要防线。在云计算环境下&#xff0c;云环路由云平台&#xff08;WAF&#xff09;的出现&#xff0c;其融合了 WAF的能力和云计算的灵活…

【Linux】IP地址与主机名

文章目录 1.IP地址2.特殊IP地址3.主机名4.域名解析 1.IP地址 每一台联网的电脑都会有一个地址&#xff0c;用于和其它计算机进行通讯 IP地址主要有2个版本&#xff0c;V4版本和V6版本 IPv4版本的地址格式是&#xff1a;a.b.c.d,其中abcd表示0~255的数字&#xff0c;如192.168.…

PS 2024【最新】中文白嫖版!,安装教程,图文步骤

文章目录 软件介绍软件下载安装步骤 软件介绍 Photoshop&#xff0c;简称“PS” Adobe Photoshop&#xff0c;简称“PS”&#xff0c;是由Adobe Systems开发和发行的图像处理软件。Photoshop主要处理以像素所构成的数字图像。使用其众多的编修与绘图工具&#xff0c;可以有效地…

利用AI快速上手新项目:开发者的高效指南

使用AI帮助开发者熟悉新的项目 在现代软件开发中&#xff0c;开发者经常需要快速熟悉一个新的项目。项目可能包含复杂的结构和大量的文件&#xff0c;这对新手开发者来说无疑是一项挑战。幸运的是&#xff0c;借助AI技术&#xff0c;我们可以更加高效地了解项目结构&#xff0…

道路运输企业管理人员安全考核试题(附答案)

1、【多选题】《道路旅客运输企业安全管理规范》规定&#xff0c;客运企业应当制定车辆动态监控操作规程。操作规程的内容包括( )。(ABCD) A、卫星定位装置、视频监控装置、动态监控平台设备的检修和维护要求 B、动态监控信息采集、分析、处理规范和流程 C、违法违规信息统…

探索Facebook在人工智能领域的最新进展

在当今快速发展的科技领域中&#xff0c;人工智能&#xff08;AI&#xff09;作为一项关键技术&#xff0c;正在逐步改变着社交媒体的面貌。作为全球最大的社交平台之一&#xff0c;Facebook积极探索和应用人工智能&#xff0c;以提升用户体验、增强平台安全性并推动技术创新。…

Nodejs 第八十四章(ElasticSearch搜索)

ElasticSearch基本用法在之前的篇章介绍过了 这里不在过多阐述 模拟假数据 安装库 faker-js/faker 模拟假数据的一个库非常好用支持中文使用中文 locale: [zh_CN], 设置即可生成名字&#xff0c;邮箱&#xff0c;手机号&#xff0c;id&#xff0c;年龄&#xff0c;性别生成完成…

ATT 和 GATT:数据表示和交换

背景介绍 BLE的通信和以太网&#xff0c;wifi有个重大的不同是&#xff1a;BLE通信的设备往往有特定的功能。且这个功能不会在运行中发生变化。 因此蓝牙设备通信的时候&#xff0c;只能访问预先定义好的&#xff08;也就是配置文件profile&#xff09;的功能。 那profile里写…

批量制作word表格

问题背景 将excel表中的成绩内容制作为成绩单&#xff0c;每页对应一个学员的成绩&#xff0c;方便打印 代码实现 ## 导入包 import pandas as pd from docx import Document from docx.enum.text import WD_ALIGN_PARAGRAPH,WD_LINE_SPACING# 读取 Excel 内容 df pd.read_e…

APP接入聚合广告SDK会影响上架应用市场吗?

SDK是移动互联网的基本技术接入方式&#xff0c;而广告聚合SDK仅是实现广告请求返回的功能&#xff0c;所以本身不会有任何问题&#xff0c;而各家应用市场会对具体的广告展现方式等会有不同的要求&#xff0c;开发者可以根据具体的市场需要要求广告平台来配合进行相关设置即可…

精通 mysqldumpslow:深度分析 MySQL 慢查询日志

引言 在数据库管理与优化的领域中&#xff0c;慢查询日志是识别性能瓶颈的金矿。mysqldumpslow 工具是挖掘这座金矿的利器&#xff0c;它帮助我们分析 MySQL 慢查询日志并提取关键信息。本文将详细介绍 mysqldumpslow 的核心选项&#xff0c;并通过实例展示如何使用这些选项来…

IP 地址:优化网络游戏

IP地址和网络游戏 在现代网络游戏中&#xff0c;IP地址不仅用于服务器分配&#xff0c;还能针对性进行玩家匹配与优化网络延迟。本文将探讨IP地址在网络游戏中的具体应用。 *服务器分配* 全球服务器分布&#xff1a; 网络游戏需要在全球范围内提供快速、稳定的连接&#xff…

笔记

https://qoj.ac/problem/8008 不难发现&#xff0c; 随机到某些位置&#xff0c;之后最短路 先O&#xff08;nm&#xff09;预处理出能到的点&#xff0c; 考虑最小的随机位置 首先&#xff0c;我们将求和式进行展开&#xff1a; ∑ j 1 ∞ j ( n − i n ) j − 1 i n \s…

libcoap3对接华为云平台

文章目录 前言一、平台注册二、引入源码库1.libcoap仓库编译2.分析网络报文3.案例代码4.编译&运行 总结 前言 通过libcoap3开源代码库对接华为云平台&#xff0c;本文章将讨论加密与不加密的方式对接华为云平台。 一、平台注册 首先&#xff0c;你需要在华为云平台上创建…

文华财经盘立方博易大师boll布林带指标公式源码

TT:TIME>850&&TIME<1150; MID:MA(CLOSE,26);//求N个周期的收盘价均线&#xff0c;称为布林通道中轨 TMP2:STD(CLOSE,26);//求M个周期内的收盘价的标准差 TOP:MID2*TMP2;//布林通道上轨 BOTTOM:MID-2*TMP2;//布林通道下轨 A:EVERY(ISDOWN,2)&&TT&&…

【鸿蒙学习笔记】使用axios进行HTTP数据请求

官方文档&#xff1a;网络管理开发概述 目录标题 访问淘宝公开接口&#xff08;测试数据&#xff09;第1步&#xff1a;module.json5 配置网络授权第2步&#xff1a;下载axios第3步&#xff1a;源码第4步&#xff1a;启动模拟器第5步&#xff1a;启动entry第6步&#xff1a;操…

python中from import的用法详解

在Python中&#xff0c;from ... import ... 语句用于从指定的模块、包或对象中导入特定的类、函数、变量等。这种导入方式可以让你在代码中使用这些元素时不需要每次都指定它们所属的模块名&#xff0c;从而简化代码&#xff0c;提高可读性。下面详细解释这个语法的用法。 基…

Linux 常用命令 - mkdir【创建新目录】

简介 mkdir 源自于 make directory 的缩写&#xff0c;该命令在 Linux 中用于创建一个或多个新目录。默认情况下&#xff0c;它创建的是空目录&#xff0c;如果待创建的目录已存在&#xff0c;则会提示已存在而不能继续创建&#xff0c;不会覆盖已有文件。如果目录不存在&…