代码随想录-刷题第四十九天

2024-01-07 13:12
文章标签 随想录 代码 刷题 第四十九

本文主要是介绍代码随想录-刷题第四十九天，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！

121. 买卖股票的最佳时机

题目链接：121. 买卖股票的最佳时机

思路：动态规划五步曲

  1. dp[i][0] 表示第i天持有股票所得最多现金，dp[i][1] 表示第i天不持有股票所得最多现金。

    一开始现金是0，那么加入第i天买入股票，现金就是 -prices[i]， 这是一个负数。

    注意这里说的是“持有”，“持有”不代表就是当天“买入”！也有可能是昨天就买入了，今天保持持有的状态

  2. 递推公式：

    如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来

    第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]

    第i天买入股票，所得现金就是买入今天的股票后所得现金即：-prices[i]

    那么dp[i][0]应该选所得现金最大的，

    dp[i][0] = max(dp[i - 1][0], -prices[i])

    如果第i天不持有股票即dp[i][1]， 也可以由两个状态推出来

    第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]

    第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金 即：dp[i - 1][0] + prices[i]

    同样dp[i][1]取最大的，

    dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])

  3. 初始化：

    由递推公式可以看出其基础都是要从dp[0][0]和dp[0][1]推导出来。

    那么dp[0][0]表示第0天持有股票，此时的持有股票就一定是买入股票了，因为不可能由前一天推出来，所以dp[0][0] = -prices[0]

    dp[0][1]表示第0天不持有股票，不持有股票即现金就是0，所以dp[0][1] = 0

  4. 遍历顺序：由递推公式可以看出，需要从前向后遍历。

  5. 举例推导dp数组

    以输入：[7,1,5,3,6,4]为例，dp数组状态如下：

    121.买卖股票的最佳时机

    dp[5][1]就是最终结果。为什么不是dp[5][0]呢？

    因为本题中不持有股票状态所得金钱一定比持有股票状态得到的多！

class Solution {public int maxProfit(int[] prices) {int len = prices.length;// dp[i][0]代表第i天持有股票的最大收益// dp[i][1]代表第i天不持有股票的最大收益int[][] dp = new int[len][2];// 初始化dp[0][0] = -prices[0];dp[0][1] = 0;for (int i = 1; i < len; i++) {dp[i][0] = Math.max(dp[i - 1][0], -prices[i]);dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);}return dp[len - 1][1];}
}

122. 买卖股票的最佳时机 II

题目链接：122. 买卖股票的最佳时机 II

思路：本题和121. 买卖股票的最佳时机的唯一区别是本题股票可以买卖多次了（注意任何时候 最多 只能持有 一股 股票，所以再次购买前要出售掉之前的股票）

在动规五步曲中，这个区别主要是体现在递推公式上，其他都和上一题相同。

dp数组的含义：

  • dp[i][0] 表示第i天持有股票所得现金
  • dp[i][1] 表示第i天不持有股票所得最多现金

如果第i天持有股票即dp[i][0]， 那么可以由两个状态推出来

  • 第i-1天就持有股票，那么就保持现状，所得现金就是昨天持有股票的所得现金 即：dp[i - 1][0]
  • 第i天买入股票，所得现金就是昨天不持有股票的所得现金减去今天的股票价格 即：dp[i - 1][1] - prices[i]

在121. 买卖股票的最佳时机中，因为股票全程只能买卖一次，所以如果买入股票，那么第i天持有股票即dp[i][0]一定就是 -prices[i]。

而本题，因为一只股票可以买卖多次，所以当第i天买入股票的时候，所持有的现金可能有之前买卖过的利润。

再来看看如果第i天不持有股票即dp[i][1]的情况， 依然可以由两个状态推出来

  • 第i-1天就不持有股票，那么就保持现状，所得现金就是昨天不持有股票的所得现金 即：dp[i - 1][1]
  • 第i天卖出股票，所得现金就是按照今天股票价格卖出后所得现金即：dp[i - 1][0] + prices[i]

注意这里与上一题是一样的逻辑，卖出股票收获利润（可能是负值）天经地义！

class Solution {public int maxProfit(int[] prices) {int len = prices.length;// dp[i][0]代表第i天持有股票的最大收益// dp[i][1]代表第i天不持有股票的最大收益int[][] dp = new int[len][2];// 初始化dp[0][0] = -prices[0];dp[0][1] = 0;for (int i = 1; i < len; i++) {// 注意这里是和121. 买卖股票的最佳时机唯一不同的地方。dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] + prices[i]);}return dp[len - 1][1];}
}

123. 买卖股票的最佳时机 III

题目链接：123. 买卖股票的最佳时机 III

思路：这道题目相对前两题难了不少。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。

动态规划五步曲：

  1. 确定dp数组以及下标的含义

    一天有五个状态

    1. 没有操作 （其实也可以不设置这个状态）

    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]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。

    需要注意：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，这是容易陷入的误区。

    例如 dp[i][1]，并不是说第i天一定买入股票，有可能第i-1天就买入了，那么 dp[i][1]延续买入股票的这个状态。

  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，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，dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])

    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，沿用前一天卖出的状态，即：dp[i][2] = dp[i - 1][2]

    所以dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i])

    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])

  3. dp数组初始化

    第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0

    第0天做第一次买入的操作，dp[0][1] = -prices[0]

    第0天做第一次卖出的操作，这个初始值应该是多少呢？

    此时还没有买入，怎么就卖出呢？

    其实可以理解当天买入，当天卖出，所以dp[0][2] = 0

    第0天第二次买入操作，初始值应该是多少呢？

    第一次还没买入呢，怎么初始化第二次买入呢？

    第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后再买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就相应减少。所以第二次买入操作，初始化为：dp[0][3] = -prices[0]

    同理第二次卖出初始化dp[0][4] = 0

  4. 确定遍历顺序

    由递推公式可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值。

  5. 举例推导dp数组

    以输入[1,2,3,4,5]为例

    123.买卖股票的最佳时机III

    大家可以看到红色框为最后两次卖出的状态。

    现在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的一定是最后一次卖出。

    也可以这么理解：如果第一次卖出已经是最大值了，那么可以在当天立刻买入再立刻卖出。所以dp[4][4]已经包含了dp[4][2]的情况。也就是说第二次卖出手里所剩的钱一定是最多的。所以最终最大利润是dp[4][4]。

class Solution {public int maxProfit(int[] prices) {int len = prices.length;/** 定义 5 种状态:* 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*/int[][] dp = new int[len][5];// 初始化dp[0][1] = -prices[0];dp[0][3] = -prices[0];for (int i = 1; i < len; i++) {dp[i][0] = dp[i - 1][0];dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);}return dp[len - 1][4];}
}

188. 买卖股票的最佳时机 IV

题目链接：188. 买卖股票的最佳时机 IV

思路：本题是上一题的进阶版，这里要求至多有k次交易。

动态规划五步曲：

  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
    • …

    可以发现规律 ，除了0以外，奇数就是买入，偶数就是卖出。

    题目要求是至多有K笔交易，那么j的范围定义为 2 * k + 1 就可以了。

  2. 确定递推公式

    需要强调一下：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，沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]

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

    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，沿用前一天卖出的状态，即：dp[i][2] = dp[i - 1][2]

    所以dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i])

    同理可以类比剩下的状态，代码如下：

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

    本题与上一题最大的区别就是这里要类比j为奇数是买，偶数是卖的状态。

  3. dp数组初始化

    第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0

    第0天做第一次买入的操作，dp[0][1] = -prices[0]

    第0天做第一次卖出的操作，这个初始值应该是多少呢？

    此时还没有买入，怎么就卖出呢？

    其实可以理解当天买入，当天卖出，所以dp[0][2] = 0

    第0天第二次买入操作，初始值应该是多少呢？

    第一次还没买入呢，怎么初始化第二次买入呢？

    第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后再买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就相应减少。所以第二次买入操作，初始化为：dp[0][3] = -prices[0]

    同理第二次卖出初始化dp[0][4] = 0

    可以推出dp[0][j]当j为奇数的时候都初始化为 -prices[0]

    代码如下：

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

    在初始化的地方同样要类比j为奇数是买，偶数是卖的状态。

  4. 确定遍历顺序

    由递推公式可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值。

  5. 举例推导dp数组

    以输入[1,2,3,4,5]，k=2为例。

    188.买卖股票的最佳时机IV

    最后一次卖出，一定是利润最大的，dp[len - 1][2 * k]即红色部分就是最终结果。

class Solution {public int maxProfit(int k, int[] prices) {int len = prices.length;if (len == 0) return 0;// 至多有K笔交易，那么j的范围定义为 2 * k + 1 int[][] dp = new int[len][2 * k + 1];// 初始化for (int j = 1; j < 2 * k; j += 2) {// dp[0][j]当j为奇数的时候都初始化为 -prices[0]dp[0][j] = -prices[0];}for (int i = 1; i < len; i++) {for (int j = 0; j < 2 * k - 1; j += 2) {dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);}}return dp[len - 1][2 * k];}
}

也可以使用三维dp数组来解题

class Solution {public int maxProfit(int k, int[] prices) {int len = prices.length;if (len == 0) return 0;// [天数][交易次数][是否持有股票]int[][][] dp = new int[len][k + 1][2];// dp数组初始化for (int i = 0; i <= k; i++) {dp[0][i][1] = -prices[0];}for (int i = 1; i < len; i++) {for (int j = 1; j <= k; j++) {// dp方程, 0表示不持有/卖出, 1表示持有/买入dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);}}return dp[len - 1][k][0];}
}

这篇关于代码随想录-刷题第四十九天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！

原文地址:
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.chinasem.cn/article/580026。

相关文章

使用Python实现全能手机虚拟键盘的示例代码

使用Python实现全能手机虚拟键盘的示例代码

《使用Python实现全能手机虚拟键盘的示例代码》在数字化办公时代,你是否遇到过这样的场景：会议室投影电脑突然键盘失灵、躺在沙发上想远程控制书房电脑、或者需要给长辈远程协助操作？今天我要分享的Pyth... 目录一、项目概述：不止于键盘的远程控制方案1.1 创新价值1.2 技术栈全景二、需求实现步骤一、需求
阅读更多...
Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码

Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码

《Java中Date、LocalDate、LocalDateTime、LocalTime、时间戳之间的相互转换代码》：本文主要介绍Java中日期时间转换的多种方法,包括将Date转换为LocalD... 目录一、Date转LocalDateTime二、Date转LocalDate三、LocalDateTim
阅读更多...
jupyter代码块没有运行图标的解决方案

jupyter代码块没有运行图标的解决方案

《jupyter代码块没有运行图标的解决方案》：本文主要介绍jupyter代码块没有运行图标的解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录jupyter代码块没有运行图标的解决1.找到Jupyter notebook的系统配置文件2.这时候一般会搜索到
阅读更多...
Python通过模块化开发优化代码的技巧分享

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版：拆分成模块让模块更强大：使用 __init__.py你一定会遇到的问题模www.
阅读更多...
springboot循环依赖问题案例代码及解决办法

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖（即BeanA依赖BeanB,而BeanB又依赖BeanA）,会导致Spring的... 目录1. 什么是循环依赖？2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1：使用 @La
阅读更多...
使用C#代码在PDF文档中添加、删除和替换图片

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当
阅读更多...
C#使用SQLite进行大数据量高效处理的代码示例

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入：从乌龟到猎豹的蜕变分页查询：加载百万数据异步处理：拒绝界面
阅读更多...
用js控制视频播放进度基本示例代码

用js控制视频播放进度基本示例代码

《用js控制视频播放进度基本示例代码》写前端的时候,很多的时候是需要支持要网页视频播放的功能,下面这篇文章主要给大家介绍了关于用js控制视频播放进度的相关资料,文中通过代码介绍的非常详细,需要的朋友可... 目录前言html部分:JavaScript部分:注意：总结前言在javascript中控制视频播放
阅读更多...
Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE？1.2 SSE 的优点1.3 适用场景2. Spring WebFlu
阅读更多...
java之Objects.nonNull用法代码解读

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》：本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2