207 lines
6.6 KiB
Markdown
207 lines
6.6 KiB
Markdown
|
||
本周的主题就是股票系列，来一起回顾一下吧
|
||
|
||
## 周一
|
||
|
||
[动态规划：买卖股票的最佳时机II](https://programmercarl.com/0122.买卖股票的最佳时机II（动态规划）.html)中股票可以买卖多次了！
|
||
|
||
这也是和[121. 买卖股票的最佳时机](https://programmercarl.com/0121.买卖股票的最佳时机.html)的唯一区别（注意只有一只股票，所以再次购买前要出售掉之前的股票）
|
||
|
||
重点在于递推公式的不同。
|
||
|
||
在回顾一下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
|
||
|
||
|
||
递推公式：
|
||
|
||
```
|
||
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]);
|
||
```
|
||
|
||
大家可以发现本题和[121. 买卖股票的最佳时机](https://programmercarl.com/0121.买卖股票的最佳时机.html)的代码几乎一样，唯一的区别在：
|
||
|
||
```
|
||
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
|
||
```
|
||
|
||
**这正是因为本题的股票可以买卖多次！** 所以买入股票的时候，可能会有之前买卖的利润即：dp[i - 1][1]，所以dp[i - 1][1] - prices[i]。
|
||
|
||
## 周二
|
||
|
||
[动态规划：买卖股票的最佳时机III](https://programmercarl.com/0123.买卖股票的最佳时机III.html)中最多只能完成两笔交易。
|
||
|
||
**这意味着可以买卖一次，可以买卖两次，也可以不买卖**。
|
||
|
||
|
||
1. 确定dp数组以及下标的含义
|
||
|
||
一天一共就有五个状态，
|
||
|
||
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
|
||
|
||
**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**。
|
||
|
||
2. 确定递推公式
|
||
|
||
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，这是很多同学容易陷入的误区**。
|
||
|
||
```
|
||
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);
|
||
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2]);
|
||
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数组如何初始化
|
||
|
||
dp[0][0] = 0;
|
||
dp[0][1] = -prices[0];
|
||
dp[0][2] = 0;
|
||
dp[0][3] = -prices[0];
|
||
dp[0][4] = 0;
|
||
|
||
4. 确定遍历顺序
|
||
|
||
从递归公式其实已经可以看出，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
|
||
|
||
|
||
|
||
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一定是最后一次卖出。
|
||
|
||
所以最终最大利润是dp[4][4]
|
||
|
||
## 周三
|
||
|
||
[动态规划：买卖股票的最佳时机IV](https://programmercarl.com/0188.买卖股票的最佳时机IV.html)最多可以完成 k 笔交易。
|
||
|
||
相对于上一道[动态规划：123.买卖股票的最佳时机III](https://programmercarl.com/0123.买卖股票的最佳时机III.html)，本题需要通过前两次的交易，来类比前k次的交易
|
||
|
||
|
||
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
|
||
* .....
|
||
|
||
**除了0以外，偶数就是卖出，奇数就是买入**。
|
||
|
||
|
||
2. 确定递推公式
|
||
|
||
还要强调一下：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，这是很多同学容易陷入的误区**。
|
||
|
||
```CPP
|
||
for (int j = 0; j < 2 * k - 1; j += 2) {
|
||
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
|
||
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
|
||
}
|
||
```
|
||
|
||
**本题和[动态规划：123.买卖股票的最佳时机III](https://programmercarl.com/0123.买卖股票的最佳时机III.html)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数组如何初始化
|
||
|
||
**dp[0][j]当j为奇数的时候都初始化为 -prices[0]**
|
||
|
||
代码如下：
|
||
|
||
```CPP
|
||
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
|
||
|
||
从递归公式其实已经可以看出，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[prices.size() - 1][2 * k]即红色部分就是最后求解。
|
||
|
||
## 周四
|
||
|
||
[动态规划：最佳买卖股票时机含冷冻期](https://programmercarl.com/0309.最佳买卖股票时机含冷冻期.html)尽可能地完成更多的交易（多次买卖一支股票），但有冷冻期，冷冻期为1天
|
||
|
||
相对于[动态规划：122.买卖股票的最佳时机II](https://programmercarl.com/0122.买卖股票的最佳时机II（动态规划）.html)，本题加上了一个冷冻期
|
||
|
||
|
||
**本题则需要第三个状态：不持有股票（冷冻期）的最多现金**。
|
||
|
||
动规五部曲，分析如下：
|
||
|
||
1. 确定dp数组以及下标的含义
|
||
|
||
**dp[i][j]，第i天状态为j，所剩的最多现金为dp[i][j]**。
|
||
|
||
j的状态为：
|
||
|
||
* 0：持有股票后的最多现金
|
||
* 1：不持有股票（能购买）的最多现金
|
||
* 2：不持有股票（冷冻期）的最多现金
|
||
|
||
2. 确定递推公式
|
||
|
||
```
|
||
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][2]);
|
||
dp[i][2] = dp[i - 1][0] + prices[i];
|
||
```
|
||
|
||
3. dp数组如何初始化
|
||
|
||
可以统一都初始为0了。
|
||
|
||
代码如下：
|
||
```CPP
|
||
vector<vector<int>> dp(n, vector<int>(3, 0));
|
||
```
|
||
|
||
**初始化其实很有讲究，很多同学可能是稀里糊涂的全都初始化0，反正就可以通过，但没有想清楚，为什么都初始化为0**。
|
||
|
||
4. 确定遍历顺序
|
||
|
||
从递归公式上可以看出，dp[i] 依赖于 dp[i-1]，所以是从前向后遍历。
|
||
|
||
5. 举例推导dp数组
|
||
|
||
以 [1,2,3,0,2] 为例，dp数组如下：
|
||
|
||
|
||
|
||
最后两个状态 不持有股票（能购买） 和 不持有股票（冷冻期）都有可能最后结果，取最大的。
|
||
|
||
## 总结
|
||
|
||
下周还会有一篇股票系列的文章，**股票系列后面我也会单独写一篇总结，来高度概括一下，这样大家会对股票问题就有一个整体性的理解了**。
|
||
|
||
|
||
<div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码.jpg width=450> </img></div>
|