代码随想录-刷题第四十九天

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：

   

   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

   0. 没有操作 （其实也可以不设置这个状态）

   1. 第一次持有股票

   2. 第一次不持有股票

   3. 第二次持有股票

   4. 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

   

   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。

   

   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！

---