「动态规划」买卖股票的最佳时机,如何处理手续费?

2024-06-13 13:28

本文主要是介绍「动态规划」买卖股票的最佳时机,如何处理手续费?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

给定一个整数数组prices,其中prices[i]表示第i天的股票价格;整数fee代表了交易股票的手续费用。你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。返回获得利润的最大值。注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要支付一次手续费。

  1. 输入:prices = [1, 3, 2, 8, 4, 9],fee = 2,输出:8,解释:能够达到的最大利润:在此处买入prices[0] = 1,在此处卖出prices[3] = 8,在此处买入prices[4] = 4,在此处卖出prices[5] = 9,总利润:((8 - 1) - 2) + ((9 - 4) - 2) = 8。
  2. 输入:prices = [1,3,7,5,10,3],fee = 3,输出:6。

提示:1 <= prices.length <= 5 * 10^4,1 <= prices[i] < 5 * 10^4,0 <= fee < 5 * 10^4。


我们用动态规划的思想来解决这个问题。

确定状态表示:根据经验和题目要求,我们用dp[i]表示:在第i天结束时,此时的最大利润。

在第i天结束时,如果手中有股票,我们就处于买入状态;如果手中没有股票,我们就处于卖出状态。所以状态表示可以细分为:

  • 用f[i]表示:在第i天结束时,处于买入状态,此时的最大利润。
  • 用g[i]表示:在第i天结束时,处于卖出状态,此时的最大利润。

推导状态转移方程:问题的关键在于如何计算利润。如果我们买入股票,那么利润就要减去股票当天的价格;如果我们卖出股票,那么利润就要加上股票当天的价格。除此之外,还要考虑手续费,根据题目要求,这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要支付一次手续费,我们选择在卖出股票时支付一次手续费,所以在卖出股票时利润要减去手续费。

我们考虑最近的一步,即第i - 1天的状态:

  • 考虑f[i],在第i天结束时处于买入状态,此时的最大利润是以下情况的最大值。
    • 如果在第i - 1天结束时处于买入状态,那么在第i天什么都不做,此时的最大利润就是在第i - 1天结束时处于买入状态的最大利润,即f[i - 1]。
    • 如果在第i - 1天结束时处于卖出状态,那么就要在第i天买入股票,此时的最大利润是在第i - 1天结束时处于卖出状态的最大利润减去股票在第i天的价格,即g[i - 1] - prices[i]。
  • 考虑g[i],在第i天结束时处于卖出状态,此时的最大利润是以下情况的最大值。
    • 如果在第i - 1天结束时处于买入状态,那么就要在第i天卖出股票,此时的最大利润是在第i - 1天结束时处于买入状态的最大利润加上股票在第i天的价格,再减去手续费,即f[i - 1] + prices[i] - fee。
    • 如果在第i - 1天结束时处于卖出状态,那么在第i天什么都不做,此时的最大利润就是在第i - 1天结束时处于卖出状态的最大利润,即g[i - 1]。

综上所述:f[i] = max(f[i - 1], g[i - 1] - prices[i]),g[i] = max(f[i - 1] + prices[i] - fee, g[i - 1])

初始化:根据状态转移方程,我们要初始化f[0]和g[0]的值,防止越界。

  • f[0]表示:在第0天结束时处于买入状态下的最大利润。一开始利润是0,在第0天买入股票,第0天结束时的最大利润就是-prices[0]。
  • g[0]表示:在第0天结束时处于卖出状态下的最大利润。一开始利润是0,在第0天什么都不做,利润仍然是0。

综上所述:f[0] = -prices[0],g[0] = 0

填表顺序:根据状态转移方程,f[i]和g[i]都依赖于f[i - 1]和g[i - 1],所以要沿着i增大的方向同时填f表和g表

返回值:假设总共有n天,那么第i天,i的范围就是[0, n - 1]。要想获得最大利润,在第n - 1天结束时必须处于卖出状态,否则在第n - 1天卖出股票就能获得更多的利润。根据状态表示,我们最终要返回第n - 1天结束时处于卖出状态的最大利润,即g[n - 1]

细节问题:由于f表和g表的下标范围都是[0, n - 1],所以规模都是1 x n

时间复杂度:O(N),空间复杂度:O(N)。

class Solution {
public:int maxProfit(vector<int>& prices, int fee) {int n = prices.size();// 创建dp表vector<int> f(n);auto g = f;// 初始化f[0] = -prices[0];// 填表for (int i = 1; i < n; i++) {f[i] = max(f[i - 1], g[i - 1] - prices[i]);g[i] = max(f[i - 1] + prices[i] - fee, g[i - 1]);}// 返回结果return g[n - 1];}
};

这篇关于「动态规划」买卖股票的最佳时机,如何处理手续费?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1057425

相关文章

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

百度OCR识别结构结构化处理视频

https://edu.csdn.net/course/detail/10506

如何在Java中处理JSON数据?

如何在Java中处理JSON数据? 大家好,我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天我们将探讨在Java中如何处理JSON数据。JSON(JavaScript Object Notation)作为一种轻量级的数据交换格式,在现代应用程序中被广泛使用。Java通过多种库和API提供了处理JSON的能力,我们将深入了解其用法和最佳

【杂记-浅谈DHCP动态主机配置协议】

DHCP动态主机配置协议 一、DHCP概述1、定义2、作用3、报文类型 二、DHCP的工作原理三、DHCP服务器的配置和管理 一、DHCP概述 1、定义 DHCP,Dynamic Host Configuration Protocol,动态主机配置协议,是一种网络协议,主要用于在IP网络中自动分配和管理IP地址以及其他网络配置参数。 2、作用 DHCP允许计算机和其他设备通

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征 在机器学习领域,朴素贝叶斯是一种常用的分类算法,它的简单性和高效性使得它在实际应用中得到了广泛的应用。然而,在使用朴素贝叶斯算法进行分类时,我们通常会面临一个重要的问题,就是如何处理连续特征和离散特征。因为朴素贝叶斯算法基于特征的条件独立性假设,所以对于不同类型的特征,我们需要采取不同的处理方式。 在本篇博客中,我们将探讨如何有效地处理

AI炒股:自动画出A股股票的K线图并添加技术指标

在deepseek中输入提示词: 你是一个Python编程专家,要完成一个编写Python脚本的任务,具体步骤如下: 用AKShare库获取股票贵州茅台(股票代码:600519)在2024年3月7日到2024年6月5日期间的历史行情数据-前复权。 然后绘制K线图,并在K线图上添加布林线、MACD 注意: 每一步都要输出信息到屏幕上; 日期格式是YYYYMMDD; 设置中文字体,以解决

JavaWeb系列六: 动态WEB开发核心(Servlet) 上

韩老师学生 官网文档为什么会出现Servlet什么是ServletServlet在JavaWeb项目位置Servlet基本使用Servlet开发方式说明快速入门- 手动开发 servlet浏览器请求Servlet UML分析Servlet生命周期GET和POST请求分发处理通过继承HttpServlet开发ServletIDEA配置ServletServlet注意事项和细节 Servlet注

神经网络第四篇:推理处理之手写数字识别

到目前为止,我们已经介绍完了神经网络的基本结构,现在用一个图像识别示例对前面的知识作整体的总结。本专题知识点如下: MNIST数据集图像数据转图像神经网络的推理处理批处理  MNIST数据集          mnist数据图像 MNIST数据集由0到9的数字图像构成。像素取值在0到255之间。每个图像数据都相应地标有“7”、“2”、“1”等数字标签。MNIST数据集中,

vue怎么处理跨域

Vue.js 本身并不直接解决跨域问题,因为跨域问题主要是浏览器基于同源策略(Same-origin policy)的一种安全限制。然而,在Vue.js项目中,我们可以采取一些策略来绕过或处理跨域问题。 解决跨域问题的常用方法: 代理服务器:在开发环境中,我们可以配置一个代理服务器来转发API请求,从而绕过浏览器的同源策略。Vue CLI 提供了内置的代理功能,可以在 vue.config.j

【机器学习】自然语言处理的新前沿:GPT-4与Beyond

📝个人主页:哈__ 期待您的关注  目录 🔥引言 背景介绍 文章目的 一、GPT-4简介 GPT-4概述 主要特性 局限性和挑战 二、自监督学习的新进展 自监督学习的原理 代表性模型和技术 三、少样本学习和零样本学习 少样本学习的挑战 先进方法 四、跨模态学习 跨模态学习的概念 代表性技术 应用场景 第五部分:可解释性和透明性 AI的可解释