动态规划——dp[i]定义包含子状态,dp[i][2]这种,典型案例属于买卖股票,2表示 持有和不持有股票两种状态
122. 买卖股票的最佳时机 II
难度中等
给你一个整数数组 prices
,其中 prices[i]
表示某支股票第 i
天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例 1:
输入:prices = [7,1,5,3,6,4] 输出:7 解释:在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。 随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。 总利润为 4 + 3 = 7 。
示例 2:
输入:prices = [1,2,3,4,5] 输出:4 解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。 总利润为 4 。
示例 3:
输入:prices = [7,6,4,3,1] 输出:0 解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为 0 。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | class Solution { public int maxProfit( int [] prices) { int n = prices.length; int [][] dp = new int [n][ 2 ]; dp[ 0 ][ 0 ] = 0 ; dp[ 0 ][ 1 ] = -prices[ 0 ]; for ( int i = 1 ; i < n; ++i) { 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[n - 1 ][ 0 ]; } } 链接:https: //leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/solution/mai-mai-gu-piao-de-zui-jia-shi-ji-ii-by-leetcode-s/ |
我自己写的:
1 2 3 4 5 6 7 8 9 10 11 12 | class Solution: def maxProfit(self, prices: List[ int ]) -> int : n = len(prices) dp = [[ 0 ] * 2 for _ in range(n)] dp[ 0 ][ 0 ] = 0 dp[ 0 ][ 1 ] = -prices[ 0 ] for i in range( 1 , n): 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]) return dp[n- 1 ][ 0 ] |
309. 最佳买卖股票时机含冷冻期
给定一个整数数组prices
,其中第 prices[i]
表示第 i
天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
- 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入: prices = [1,2,3,0,2] 输出: 3 解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
示例 2:
输入: prices = [1] 输出: 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
class Solution: def maxProfit( self , prices) - > int : n = len (prices) dp = [[ 0 ] * 3 for i in range (n)] dp[ 0 ][ 0 ] = 0 dp[ 0 ][ 1 ] = - prices[ 0 ] dp[ 0 ][ 2 ] = 0 # 第一天就冷冻期,之前也没有买,所以赚不到钱 for i in range ( 1 , n): dp[i][ 1 ] = max (dp[i - 1 ][ 1 ], dp[i - 1 ][ 2 ] - prices[i]) dp[i][ 0 ] = max (dp[i - 1 ][ 0 ], dp[i - 1 ][ 1 ] + prices[i]) dp[i][ 2 ] = dp[i - 1 ][ 0 ] return dp[n - 1 ][ 0 ] """ dp[i][0] 代表第 i 天没有持有股票 dp[i][1] 代表第 i 天持有股票 dp[i][2] 代表第 i 天是冷冻期 我们分三种状态分别讨论: 当天持有股票 昨天的股票在手里没卖出去: dp[i - 1][1] 冷冻期过后,买的股票:dp[i - 1][2] - prices[i] 当天没有持有股票 昨天就没有股票:dp[i - 1][0] 昨天持有股票今天卖出:dp[i - 1][1] + prices[i] 当天是冷冻期(冷冻期只有一天) 昨天把股票卖出去了,也就是昨天手里没有股票的时候:dp[i - 1][0] 看到了这儿想必这道题你心中已经有了答案,我们只需要返回最后一天没有持有股票的最大利润即可,也就是return dp[prices.length - 1][0]; 作者:LeetCode_xsong 链接:https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-with-cooldown/solution/309-zui-jia-mai-mai-gu-piao-shi-ji-han-l-dw7f/ 来源:力扣(LeetCode) """ |
标签:
算法
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
· DeepSeek 开源周回顾「GitHub 热点速览」
2019-01-31 tf.expand_dims 来增加维度
2018-01-31 GBDT(MART) 迭代决策树入门教程 | 简介
2018-01-31 local_response_normalization 和 batch_normalization
2018-01-31 交叉熵代价函数——当我们用sigmoid函数作为神经元的激活函数时,最好使用交叉熵代价函数来替代方差代价函数,以避免训练过程太慢
2018-01-31 深度学习必备:随机梯度下降(SGD)优化算法及可视化
2018-01-31 我在Suse 11 Sp3上使用anaconda安装TensorFlow的过程记录
2017-01-31 Hive数据分析——Spark是一种基于rdd(弹性数据集)的内存分布式并行处理框架,比于Hadoop将大量的中间结果写入HDFS,Spark避免了中间结果的持久化