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！


http://www.chinasem.cn/article/580026。

相关文章

Java调用DeepSeek API的最佳实践及详细代码示例

Java调用DeepSeek API的最佳实践及详细代码示例

《Java调用DeepSeekAPI的最佳实践及详细代码示例》：本文主要介绍如何使用Java调用DeepSeekAPI,包括获取API密钥、添加HTTP客户端依赖、创建HTTP请求、处理响应、... 目录1. 获取API密钥2. 添加HTTP客户端依赖3. 创建HTTP请求4. 处理响应5. 错误处理6.
阅读更多...
使用 sql-research-assistant进行 SQL 数据库研究的实战指南(代码实现演示)

使用 sql-research-assistant进行 SQL 数据库研究的实战指南(代码实现演示)

《使用sql-research-assistant进行SQL数据库研究的实战指南(代码实现演示)》本文介绍了sql-research-assistant工具,该工具基于LangChain框架,集... 目录技术背景介绍核心原理解析代码实现演示安装和配置项目集成LangSmith 配置（可选）启动服务应用场景
阅读更多...
Python中顺序结构和循环结构示例代码

Python中顺序结构和循环结构示例代码

《Python中顺序结构和循环结构示例代码》：本文主要介绍Python中的条件语句和循环语句,条件语句用于根据条件执行不同的代码块,循环语句用于重复执行一段代码,文章还详细说明了range函数的使... 目录一、条件语句（1）条件语句的定义（2）条件语句的语法（a）单分支 if（b）双分支 if-else（
阅读更多...
MySQL数据库函数之JSON_EXTRACT示例代码

MySQL数据库函数之JSON_EXTRACT示例代码

《MySQL数据库函数之JSON_EXTRACT示例代码》：本文主要介绍MySQL数据库函数之JSON_EXTRACT的相关资料,JSON_EXTRACT()函数用于从JSON文档中提取值,支持对... 目录前言基本语法路径表达式示例示例 1: 提取简单值示例 2: 提取嵌套值示例 3: 提取数组中的值注意
阅读更多...
CSS3中使用flex和grid实现等高元素布局的示例代码

CSS3中使用flex和grid实现等高元素布局的示例代码

《CSS3中使用flex和grid实现等高元素布局的示例代码》：本文主要介绍了使用CSS3中的Flexbox和Grid布局实现等高元素布局的方法，通过简单的两列实现、每行放置3列以及全部代码的展示，展示了这两种布局方式的实现细节和效果，详细内容请阅读本文，希望能对你有所帮助... 过往的实现方法是使用浮动加
阅读更多...
JAVA调用Deepseek的api完成基本对话简单代码示例

JAVA调用Deepseek的api完成基本对话简单代码示例

《JAVA调用Deepseek的api完成基本对话简单代码示例》：本文主要介绍JAVA调用Deepseek的api完成基本对话的相关资料,文中详细讲解了如何获取DeepSeekAPI密钥、添加H... 获取API密钥首先，从DeepSeek平台获取API密钥，用于身份验证。添加HTTP客户端依赖使用Jav
阅读更多...
Java实现状态模式的示例代码

Java实现状态模式的示例代码

《Java实现状态模式的示例代码》状态模式是一种行为型设计模式,允许对象根据其内部状态改变行为,本文主要介绍了Java实现状态模式的示例代码,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来... 目录一、简介1、定义2、状态模式的结构二、Java实现案例1、电灯开关状态案例2、番茄工作法状态案例
阅读更多...
nginx-rtmp-module模块实现视频点播的示例代码

nginx-rtmp-module模块实现视频点播的示例代码

《nginx-rtmp-module模块实现视频点播的示例代码》本文主要介绍了nginx-rtmp-module模块实现视频点播,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习... 目录预置条件Nginx点播基本配置点播远程文件指定多个播放位置参考预置条件配置点播服务器 192.
阅读更多...
CSS自定义浏览器滚动条样式完整代码

CSS自定义浏览器滚动条样式完整代码

《CSS自定义浏览器滚动条样式完整代码》：本文主要介绍了如何使用CSS自定义浏览器滚动条的样式，包括隐藏滚动条的角落、设置滚动条的基本样式、轨道样式和滑块样式，并提供了完整的CSS代码示例，通过这些技巧，你可以为你的网站添加个性化的滚动条样式，从而提升用户体验，详细内容请阅读本文，希望能对你有所帮助...
阅读更多...
深入解析Spring TransactionTemplate 高级用法(示例代码)

深入解析Spring TransactionTemplate 高级用法(示例代码)

《深入解析SpringTransactionTemplate高级用法(示例代码)》TransactionTemplate是Spring框架中一个强大的工具,它允许开发者以编程方式控制事务,通过... 目录1. TransactionTemplate 的核心概念2. 核心接口和类3. TransactionT
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2