LeetCode上的各种股票最大收益
对于力扣平台上的股票类型的题目:
-
121 买卖股票的最佳时机
-
122 买卖股票的最佳时机 II
-
123 买卖股票的最佳时机 III
-
124 买卖股票的最佳时机 IV
-
309 最佳买卖股票时机含冷冻期
-
714 买卖股票的最佳时机含手续费
-
剑指 Offer 63. 股票的最大利润
关键是要仔细分析题意,将每天结束后可能存在的状态列出来,并考虑当天与前一天的可能存在的状态转移的关系。另外要注意初始化和空间复杂度的优化。
121. 买卖股票的最佳时机
dp数组含义:
本题在某一天共可能有两种状态:
- 持有股票
- 不持有股票
我们构造的 dp 数组的规模为 2×n2\times n2×n,在 C++ 中,即为:vector<<vevtor<int>> dp(prices.size(), vector<int> (2, 0));
- dp[i][0]dp[i][0]dp[i][0] 表示在第 iii 天结束后,在持有股票的状态下的最大收益
- dp[i][1]dp[i][1]dp[i][1] 表示在第 iii 天结束后,在不持有股票的状态下的最大收益
递推公式:
-
对于第 iii 天持有股票时的收益,即 dp[i][0]dp[i][0]dp[i][0],可能由以下情况推导而来:
-
第 i−1i-1i−1 天是也是持有股票的,即当日未进行任何操作:dp[i−1][0]dp[i-1][0]dp[i−1][0]
-
第 i−1i-1i−1 天是未持有股票的,即当日购买了股票,由于我们只能进行一次股票买卖操作,因此在购买股票之前的 dp[i−1][1]dp[i-1][1]dp[i−1][1] 一定是 0,因此应当减去当日股票价格:0−prices[i]0-prices[i]0−prices[i]
应当取最大值,从而 dp[i][0]=max(dp[i−1][0],−prices[i])dp[i][0]=max(dp[i-1][0],-prices[i])dp[i][0]=max(dp[i−1][0],−prices[i])
-
-
对于第 iii 天未持有股票时的收益,即 dp[i][1]dp[i][1]dp[i][1],可能由以下情况推导而来:
- 第 i−1i-1i−1 天是是持有股票的,即当日将股票卖出,应当 dp[i−1][0]dp[i-1][0]dp[i−1][0] 加上当日股票价格:dp[i−1][0]+prices[i]dp[i-1][0]+prices[i]dp[i−1][0]+prices[i]
- 第 i−1i-1i−1 天是未持有股票的,即当日无操作:prices[i−1][1]prices[i-1][1]prices[i−1][1]
应当取最大值,从而 dp[i][1]=max(dp[i−1][1],dp[i−1][0]+prices[i])dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i])dp[i][1]=max(dp[i−1][1],dp[i−1][0]+prices[i])
初始化:
dp 数组中所有项需在 dp[0][0]dp[0][0]dp[0][0]、dp[0][1]dp[0][1]dp[0][1] 确定的情况下得到。
- dp[0][0]dp[0][0]dp[0][0] 表示第一天持有股票,即第一天购入,应为 −prices[0]-prices[0]−prices[0]
- dp[0][1]dp[0][1]dp[0][1] 表示第一天未持有股票,应为 0
遍历顺序:
从前向后
代码:
class Solution {
public:int maxProfit(vector<int>& prices) {int lens = prices.size();vector<vector<int>> dp(lens, vector<int> (2));dp[0][0] = -prices[0], dp[0][1] = 0;for (int i=1; i<lens; ++i) {dp[i][0] = max(dp[i-1][0], -prices[i]);dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);}return dp[lens-1][1];}
};
空间优化:
很明显,第 iii 天的情况只依赖于前一天的情况,而与再前面的情况没有关系,因此,我们没有必要维护一整个 dp 数组,而是维护常数变量即可,优化后:
class Solution {
public:int maxProfit(vector<int>& prices) {int lens = prices.size();vector<vector<int>> dp(2, vector<int> (2));dp[0][0] = -prices[0], dp[0][1] = 0;for (int i=1; i<lens; ++i) {dp[1][0] = max(dp[0][0], -prices[i]);dp[1][1] = max(dp[0][1], dp[0][0] + prices[i]);dp[0] = dp[1];}return dp[1][1];}
};
另一种做法:
class Solution {
public:int maxProfit(vector<int>& prices) {int ans = 0, prevMin = INT_MAX;for (int n: prices) {ans = max(ans, n - prevMin);prevMin = min(prevMin, n);}return ans;}
};
122. 买卖股票的最佳时机 II
本题与121 题的唯一区别在于可以多次买卖股票,但要注意同时只能持有一只股票
dp数组含义:
- dp[i][0]dp[i][0]dp[i][0] 表示在第 iii 天结束后,持有股票时的最大收益
- dp[i][1]dp[i][1]dp[i][1] 表示在第 iii 天结束后,不持有股票时的最大收益
递推公式:
注意由于这里与上一题的唯一区别在于允许多次股票买卖,因此递推公式与上面的四种情况基本相同,唯一一点在于由于我们可以进行多次买卖,所以在某次购买股票之前的未持有股票的收益不一定是 0 了(我们可能在这次操作之前已经通过几次操作收获了一些利润)。
即对于 dp[i][0]dp[i][0]dp[i][0] 在前一日不持有股票的情况从 0−prices[i]0-prices[i]0−prices[i] 变为了 dp[i−1][1]−prices[i]dp[i-1][1]-prices[i]dp[i−1][1]−prices[i],从而 dp[i][0]=max(dp[i−1][0],dp[i−1][1]−prices[i])dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i])dp[i][0]=max(dp[i−1][0],dp[i−1][1]−prices[i])
初始化、遍历顺序与前题类似。
代码:
class Solution {
public:int maxProfit(vector<int>& prices) {int lens = prices.size();vector<vector<int>> dp(lens, vector<int> (2));dp[0][0] = -prices[0], dp[0][1] = 0;for (int i=1; i<lens; ++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][0] + prices[i]);}return dp[lens-1][1];}
};
注意代码中的唯一区别在于:
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i]);
原因上面已经解释过。
空间优化的实现与上面也类似,这里就不贴了。
另一种写法:
本题有另一种做法,由于我们可以进行无限次交易且当日即可以买入又可以卖出,所以考虑:
[7, 1, 5, 6]
第二天买入,第四天卖出,收益最大(6-1),所以一般人可能会想,怎么判断不是第三天就卖出了呢? 这里就把问题复杂化了,根据题目的意思,当天卖出以后,当天还可以买入,所以其实可以第三天卖出,第三天买入,第四天又卖出((5-1)+ (6-5) === 6 - 1)。所以算法可以直接简化为只要今天比昨天大,就卖出。
class Solution {
public:int maxProfit(vector<int>& prices) {int ans = 0;for (int i=1; i<prices.size(); ++i) {int profit = prices[i] - prices[i-1];ans = max(ans, ans + profit);}return ans;}
};
123. 买卖股票的最佳时机 III
本题相较于前面两题要复杂不少,关键是最多两次交易,即有可能可以是 0,1,2 次交易,我们需要列举处理的情况多了不少。
dp数组的定义:
本题中,我们一共要考虑每一天的五种状态:
- 尚未进行操作
- 第一次买入后
- 第一次卖出后
- 第二次买入后
- 第二次卖出后
注意我们这里要强调各个状态是 买入/卖出 后 ,即不一定是当日买入/卖出,可能是 i−1i-1i−1,i−2i-2i−2 …日进行的操作,都归为该状态。并且,注意到,这些状态是有序的,即一定是一次经历到的。
由此,我们 dp 数组的含义为:dp[i][j]dp[i][j]dp[i][j] 表示,第 iii 天处于状态 jjj 时的最大收益。
递推公式:
-
对于第 iii 日结束后。处于第一次买入后状态,即 dp[i][1]dp[i][1]dp[i][1],可能由以下情况推导而来:
- 前面已经买入,当日未进行操作:dp[i−1][1]dp[i-1][1]dp[i−1][1]
- 当日买入:dp[i−1][0]−prices[i]dp[i-1][0]-prices[i]dp[i−1][0]−prices[i]
取最大值,则有:dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i])dp[i][1]=max(dp[i-1][1],dp[i-1][0]-prices[i])dp[i][1]=max(dp[i−1][1],dp[i−1][0]−prices[i])
-
对于第 iii 日处于第一次卖出后,即 dp[i][2]dp[i][2]dp[i][2],可能由以下情况推导而来:
- 前面已经卖出,当日未进行任何操作:dp[i−1][2]dp[i-1][2]dp[i−1][2]
- 当日卖出:dp[i−1][1]+prices[i]dp[i-1][1]+prices[i]dp[i−1][1]+prices[i]
则:dp[i][2]=max(dp[i−1][2],dp[i−1][1]+prices[i])dp[i][2]=max(dp[i-1][2],dp[i-1][1]+prices[i])dp[i][2]=max(dp[i−1][2],dp[i−1][1]+prices[i])
-
同理,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])dp[i][3]=max(dp[i−1][3],dp[i−1][2]−prices[i])
-
同理,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])dp[i][4]=max(dp[i−1][4],dp[i−1][3]+prices[i])
代码:
class Solution {
public:int maxProfit(vector<int>& prices) {int lens = prices.size();vector<vector<int>> dp(lens, vector<int> (5));dp[0][1] = -prices[0], dp[0][3] = -prices[0];for (int i=1; i<lens; ++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[lens - 1][4];}
};
优化代码:
class Solution {
public:int maxProfit(vector<int>& prices) {int fstBuy = INT_MIN, fstSell = 0;int secBuy = INT_MIN, secSell = 0;for (int p: prices) {fstBuy = max(fstBuy, -p);fstSell = max(fstSell, fstBuy + p);secBuy = max(secBuy, fstSell - p);secSell = max(secSell, secBuy + p);}return secSell;}
};
188. 买卖股票的最佳时机 IV
上一题的一般化,分好奇偶即可:
class Solution {
public:int maxProfit(int k, vector<int>& prices) {if (prices.empty()) return 0;int lens = prices.size();int wide = 2 * k + 1;vector<vector<int>> dp(lens, vector<int> (wide, 0));for (int j=0; j<wide; ++j) if (j % 2 == 1) dp[0][j] = -prices[0];for (int i=1; i<lens; ++i) {dp[i][0] = dp[i-1][0];for (int j=1; j<wide; ++j) {if (j % 2 == 1) dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] - prices[i]);else if (j % 2 == 0) dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] + prices[i]);}}return dp[lens - 1][wide - 1];}
};
309. 最佳买卖股票时机含冷冻期
dp数组含义:
本题中每天可能的状态有三种:
- 持有股票
- 不持有股票,今天卖出,后一天为冷冻期
- 不持有股票,非今天卖出,后一天不为冷冻期
dp[i][j]dp[i][j]dp[i][j] 表示第 iii 天结束后,在第 jjj 中状态下的最大收益
递推公式:
-
当日结束后为持有股票状态时,即 dp[i][0]dp[i][0]dp[i][0] ,可能由以下情况推导而来:
- 当日买入股票,今天不能是冷冻期, dp[i−1][2]−prices[i]dp[i-1][2]-prices[i]dp[i−1][2]−prices[i]
- 之前就已经买入了股票,当日未进行操作:dp[i−1][0]dp[i-1][0]dp[i−1][0]
则,dp[i][0]=max(dp[i−1][0],dp[i−1][2]−prices[i])dp[i][0]=max(dp[i-1][0],dp[i-1][2]-prices[i])dp[i][0]=max(dp[i−1][0],dp[i−1][2]−prices[i])
-
当日卖出,即 dp[i][1]dp[i][1]dp[i][1]
- 今天卖出,前一天必为持股状态,dp[i−1][0]+prices[i]dp[i-1][0]+prices[i]dp[i−1][0]+prices[i]
则,dp[i][1]=dp[i−1][0]+prices[i]dp[i][1]=dp[i-1][0]+prices[i]dp[i][1]=dp[i−1][0]+prices[i]
-
非当日卖出,即 dp[i][2]dp[i][2]dp[i][2],可能由以下情况推导而来:
- 前一日卖出,今日冷冻期,dp[i−1][1]dp[i-1][1]dp[i−1][1]
- 非前一日卖出,今日非冷冻期:dp[i−1][2]dp[i-1][2]dp[i−1][2]
则 dp[i][2]=max(dp[i−1][1],dp[i−1][2])dp[i][2]=max(dp[i-1][1],dp[i-1][2])dp[i][2]=max(dp[i−1][1],dp[i−1][2])
初始化:除了第一天就买股票 dp[0][0]=−prices[0]dp[0][0]=-prices[0]dp[0][0]=−prices[0] 外全 0。
遍历顺序:从前到后即可。
代码:
class Solution {
public:int maxProfit(vector<int>& prices) {int lens = prices.size();vector<vector<int>> dp(lens, vector<int> (3, 0));dp[0][0] = -prices[0];for (int i=1; i<lens; ++i) {dp[i][0] = max(dp[i-1][0], dp[i-1][2] - prices[i]);dp[i][1] = dp[i-1][0] + prices[i];dp[i][2] = max(dp[i-1][2], dp[i-1][1]);}return max(dp[lens - 1][1], dp[lens - 1][2]);}
};
714. 买卖股票的最佳时机含手续费
就加个手续费,和 122 区别不大。
dp数组含义:
本题中每一天结束后有两种状态:持有股票和不持有股票
- dp[i][0]dp[i][0]dp[i][0] 表示第 iii 天结束后处于持股状态时的最大收益
- dp[i][1]dp[i][1]dp[i][1] 表示第 iii 天结束后处于未持股状态时的最大收益
递推公式:
-
对于第 iii 天结束后,处于持股状态,即 dp[i][0]dp[i][0]dp[i][0],可能由两种状态推导得到:
- 前面买入,当日未进行操作:dp[i−1][0]dp[i-1][0]dp[i−1][0]
- 当日买入,并支付手续费 dp[i−1][1]−prices[i]−feedp[i-1][1]-prices[i]-feedp[i−1][1]−prices[i]−fee
则:dp[i][0]=max(dp[i−1][0],dp[i−1][1]−prices[i]−fee)dp[i][0]=max(dp[i-1][0],dp[i-1][1]-prices[i]-fee)dp[i][0]=max(dp[i−1][0],dp[i−1][1]−prices[i]−fee)
-
对于第 iii 天结束后,处于未持股状态,即 dp[i][1]dp[i][1]dp[i][1],可能由两种状态推导得到:
- 一直未买入或前面已卖出,当日未进行操作:dp[i−1][1]dp[i-1][1]dp[i−1][1]
- 当日卖:dp[i−1][0]+prices[i]dp[i-1][0]+prices[i]dp[i−1][0]+prices[i]
则:dp[i][1]=max(dp[i−1][1],dp[i−1][0]+prices[i])dp[i][1]=max(dp[i-1][1],dp[i-1][0]+prices[i])dp[i][1]=max(dp[i−1][1],dp[i−1][0]+prices[i])
代码:
class Solution {
public:int maxProfit(vector<int>& prices, int fee) {int lens = prices.size();vector<vector<int>> dp(lens, vector<int> (2));dp[0][0] = -prices[0] - fee;for (int i=1; i<lens; ++i) {dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i] - fee);dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i]);}return dp[lens - 1][1];}
};