【错题集-编程题】买卖股票的最好时机(四)(动态规划)

力扣对应题目链接:188. 买卖股票的最佳时机 IV - 力扣(LeetCode)

牛客对应题目链接:买卖股票的最好时机(四)_牛客题霸_牛客网 (nowcoder.com)


一、分析题目

1、状态表示

为了更加清晰的区分买入卖出,我们换成有股票无股票两个状态。

  • f[i][j] 表示:第 i 天结束后,完成了 j 笔交易,此时处于有股票状态的最大收益。
  • g[i][j] 表示:第 i 天结束后,完成了 j 笔交易,此时处于无股票状态的最大收益。

2、状态转移方程

对于 f[i][j],也有两种情况能在第 i 天结束之后,完成 j 笔交易,此时手里有股票的状态:

  • i-1 天的时候,手里有股票,并且交易了 j 次。在第 i 天的时候,啥也不干。此时的收益为 f[i - 1][j]
  • i-1 天的时候,手里没有股票,并且交易了 j 次。在第 i 天的时候,买了股票。那么 i 天结束之后,就有股票了。此时的收益为 g[i - 1][j] - prices[i]

上述两种情况,我们需要的是最大值,因此 f 的状态转移方程为:

f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]

对于 g[i][j],我们有下⾯两种情况能在第 i 天结束之后,完成 j 笔交易,此时手里没有股票的状态:

  • i-1 天的时候,手里没有股票,并且交易了 j 次。在第 i 天的时候,啥也不干。此时的收益为 g[i - 1][j]
  • i-1 天的时候,手里有股票,并且交易了 j - 1 次。在第 i 天的时候,把股票卖了。那么 i 天结束之后,我们就交易了 j 次。此时的收益为 f[i - 1][j - 1] + prices[i]

上述两种情况,我们需要的是最大值,因此 g 的状态转移方程为:

g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i])

它们之间交易关系如下:


3、初始化

由于需要用到 i=0 时的状态,因此我们初始化第一行即可。
  • 当处于第 0 天的时候,只能处于买入过⼀次的状态,此时的收益为 -prices[0] ,因f[0][0] = - prices[0]
  • 为了取 max 的时候,⼀些不存在的状态起不到干扰的作⽤,我们统统将它们初始化为 -INF(用 INT_MIN 在计算过程中会有溢出的风险,这⾥ INF 折半取 0x3f3f3f3f ,足够小即可)。

4、填表顺序

从上往下填每一行,每一行从左往右,两个表⼀起填。

5、返回值

返回处于卖出状态的最大值,但是我们也不知道是交易了几次,因此返回 g 表最后一行的最大值。


6、优化

我们的交易次数是不会超过整个天数的一半的,因此我们可以先把 k 处理一下,优化一下问题的规模:k = min(k, n / 2)


二、代码

//力扣
//【动态规划-二维dp-2个状态】
class Solution {//f[i][j]:第i天结束后,完成了j次交易,此时处于“买入”状态下的最大利润//g[i][j]:第i天结束后,完成了j次交易,此时处于“卖出”状态下的最大利润
private:const int INF=0x3f3f3f3f;
public:int maxProfit(int k, vector<int>& prices) {int n=prices.size();k=min(k, n/2); //优化:处理最多交易次数vector<vector<int>> f(n, vector<int>(k+1, -INF));vector<vector<int>> g(n, vector<int>(k+1, -INF));f[0][0]=-prices[0], g[0][0]=0;for(int i=1; i<n; i++){for(int j=0; j<=k; j++){f[i][j]=max(f[i-1][j], g[i-1][j]-prices[i]);g[i][j]=g[i-1][j];if(j>=1) g[i][j]=max(g[i][j], f[i-1][j-1]+prices[i]);}}int res=0;for(int j=0; j<=k; j++)res=max(res, g[n-1][j]);return res;}
};//【动态规划-二维dp-2k+1个状态】
class Solution {//dp[i][0] -- 没有操作//下面j为奇数:买入;j为偶数:卖出 (j的范围:1~2k-1)//dp[i][j] -- 第1~k次买入//dp[i][j+1] -- 第1~k次卖出
public:int maxProfit(int k, vector<int>& prices) {int n=prices.size();vector<vector<int>> dp(n, vector<int>(2*k+1));for(int j=1; j<2*k; j+=2)dp[0][j]=-prices[0];for(int i=1; i<n; i++){for(int j=0; j<2*k; 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]);}}return dp[n-1][2*k];}
};
//牛客
#include <iostream>
#include <cstring>
using namespace std;const int INF=0x3f3f3f3f;
const int N=1010, M=110;
int prices[N];
int f[N][M], g[N][M];
//f[i][j]:第i天结束后,完成了j次交易,此时处于“买入”状态下的最大利润
//g[i][j]:第i天结束后,完成了j次交易,此时处于“卖出”状态下的最大利润int main()
{int n, k;cin >> n >> k;for(int i=0; i<n; i++)cin >> prices[i];memset(f, -INF, sizeof(f));memset(g, -INF, sizeof(g));int res=0;f[0][0]=-prices[0], g[0][0]=0;for(int i=1; i<n; i++){for(int j=0; j<=k; j++){f[i][j]=max(f[i-1][j], g[i-1][j]-prices[i]);g[i][j]=g[i-1][j];if(j>0) g[i][j]=max(g[i][j], f[i-1][j-1]+prices[i]);res=max(res, g[i][j]);}}cout << res << endl;return 0;
}//值得学习的代码
#include <iostream>
using namespace std;const int N = 1010, M = 110;int n, k, p[N];
int f[N][M], g[N][M];int main()
{cin >> n >> k;for(int i = 0; i < n; i++) cin >> p[i];k = min(k, n / 2);for(int j = 0; j <= k; j++) f[0][j] = g[0][j] = -0x3f3f3f3f;f[0][0] = -p[0], g[0][0] = 0;for(int i = 1; i < n; i++){for(int j = 0; j <= k; j++){f[i][j] = max(f[i - 1][j], g[i - 1][j] - p[i]);g[i][j] = g[i - 1][j];if(j >= 1) g[i][j] = max(g[i][j], f[i - 1][j - 1] + p[i]);}}int ret = 0;for(int j = 0; j <= k; j++) ret = max(ret, g[n - 1][j]);cout << ret << endl;return 0;
}

三、反思与改进

买卖股票这种类似有系列的题目,需要把核心知识点彻底弄熟。

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.rhkb.cn/news/374246.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

昇思MindSpore学习笔记6-05计算机视觉--SSD目标检测

摘要&#xff1a; 记录MindSpore AI框架使用SSD目标检测算法对图像内容识别的过程、步骤和方法。包括环境准备、下载数据集、数据采样、数据集加载和预处理、构建模型、损失函数、模型训练、模型评估等。 一、概念 1.模型简介 SSD目标检测算法 Single Shot MultiBox Detecto…

MapReduce底层原理详解:大案例解析(第32天)

系列文章目录 一、MapReduce概述 二、MapReduce工作机制 三、Map&#xff0c;Shuffle&#xff0c;reduce阶段详解 四、大案例解析 文章目录 系列文章目录前言一、MapReduce概述二、MapReduce工作机制1. 角色与组件2. 作业提交与执行流程1. 作业提交&#xff1a;2. Map阶段&…

linux_进程概念——理解冯诺依曼体系结构

前言&#xff1a; 本篇内容是为了让友友们较好地理解进程的概念&#xff0c; 而在真正了解进行概念之前&#xff0c; 要先了解一下冯诺依曼体系结构。 所以博主会先对冯诺伊曼体系结构进行解释&#xff0c; 然后再讲解进程的概念。 ps&#xff1a; 本篇内容适合了解一些linux指…

Firealpaca 解锁版下载及安装教程 (火焰羊驼绘画软件)

前言 FireAlpaca是一款简单易用的电脑绘画软件&#xff0c;采用了类似于Photoshop的图层绘画方式。对于喜欢手绘和创作漫画的朋友来说&#xff0c;FireAlpaca的多图层功能使得绘画过程更加便捷和简单。作为一个小型图像编辑软件&#xff0c;它能够轻松处理多个图层或手绘图&am…

网络编程的学习之udp

Udp编程过程 Sento不会阻塞 实现聊天室效果 上线 聊天 下线 服务端需要一个地址&#xff0c;去保留名字和ip地址 交互的时候发结构体 下面这个宏只能在c语言里使用 ser.sin_port htons(50000); 上面是端口号50000以上&#xff0c;两边要一样 这里是不要让udp发的太快&am…

Python | Leetcode Python题解之第225题用队列实现栈

题目&#xff1a; 题解&#xff1a; class MyStack:def __init__(self):"""Initialize your data structure here."""self.queue collections.deque()def push(self, x: int) -> None:"""Push element x onto stack."&…

Java 快速入门学习 -- Day 1

Java 快速入门 Ⅰ 学习视频快捷键封装继承方法的重写多态异常I/O 流多线程网络编程 -- 单向通信XML注解navicat mysqlJDBC查询数据库中所有元素并打印 ) 学习视频 【3天搞定JavaSE到SpringBoot框架】 快捷键 // psvm 回车 public static void main(String[] args) {}// s…

【动态规划Ⅳ】二维数组的动态规划——最小路径和

二维数组的动态规划 最小路径和64. 最小路径和原地修改数组定义二维数组进行状态转移优化&#xff1a;用 一维数组进行状态转移相似题目&#xff1a;LCR 166. 珠宝的最高价值 120. 三角形最小路径和原地修改数组定义二维数组进行状态转移一维数组进行状态转移自底向上&#xff…

推荐一个比 Jenkins 使用更简单的项目构建和部署工具

最近发现了一个比 Jenkins 使用更简单的项目构建和部署工具&#xff0c;完全可以满足个人以及一些小企业的需求&#xff0c;分享一下。 项目介绍 Jpom 是一款 Java 开发的简单轻量的低侵入式在线构建、自动部署、日常运维、项目监控软件。 日常开发中&#xff0c;Jpom 可以解…

【R语言+Gephi】利用R语言和Gephi实现共发生网络的可视化

【R语言Gephi】利用R语言和Gephi实现共发生网络的可视化 注&#xff1a;本文仅作为自己的学习记录以备以后复习查阅 一 概述 Gephi是一款开源免费的多平台网络分析软件&#xff0c;在Windows、Linux和Mac os上均可以运行&#xff0c;像他们官网所说的&#xff0c;他们致力于…

Excel第29享:基于sum嵌套sumifs的多条件求和

1、需求描述 如下图所示&#xff0c;现要统计12.17-12.23这一周各个人员的“上班工时&#xff08;a1&#xff09;”。 下图为系统直接导出的工时数据明细样例。 2、解决思路 首先&#xff0c;确定逻辑&#xff1a;“对多个条件&#xff08;日期、人员&#xff09;进行“工时”…

ONLYOFFICE 8.1版本版本桌面编辑器测评

ONLYOFFICE官网链接&#xff1a;ONLYOFFICE - 企业在线办公应用软件 | ONLYOFFICE ONLYOFFICE在线办公套件&#xff1a;在线办公套件 | ONLYOFFICE ONLYOFFICE在线PDF编辑器、阅读器和转换器&#xff1a;在线PDF查看器和转换器 | ONLYOFFICE ONLYOFFICE 8.1版本桌面编辑器是…

【中项第三版】系统集成项目管理工程师 | 第 4 章 信息系统架构⑤ | 4.8 - 4.9

前言 第4章对应的内容选择题和案例分析都会进行考查&#xff0c;这一章节属于技术相关的内容&#xff0c;学习要以教材为准。本章分值预计在4-5分。 目录 4.8 云原生架构 4.8.1 发展概述 4.8.2 架构定义 4.8.3 基本原则 4.8.4 常用架构模式 4.8.5 云原生案例 4.9 本章…

【DevOps】在云原生时代的角色与重要性探索

&#x1f407;明明跟你说过&#xff1a;个人主页 &#x1f3c5;个人专栏&#xff1a;《未来已来&#xff1a;云原生之旅》&#x1f3c5; &#x1f516;行路有良友&#xff0c;便是天堂&#x1f516; 目录 一、引言 1、什么是云原生 2、云原生的核心特性 3、什么是DevOps…

昇思25天学习打卡营第14天|基于MindNLP的文本解码原理

基于MindNLP的文本解码原理 文本解码 文本解码是自然语言处理中的一个关键步骤,特别是在任务如机器翻译、文本摘要、自动回复生成等领域。解码过程涉及将编码器(如语言模型、翻译模型等)的输出转换为可读的文本序列。以下是一些常见的文本解码方法和原理: 1. 自回归解码:…

安装nodejs | npm报错

nodejs安装步骤: 官网&#xff1a;https://nodejs.org/en/ 在官网下载nodejs: 双击下载下来的msi安装包&#xff0c;一直点next&#xff0c;我选的安装目录是默认的: 测试是否安装成功&#xff1a; 输入cmd打开命令提示符&#xff0c;输入node -v可以看到版本&#xff0c;说…

Django项目创建的基本准备工作【4】

【 一 】软件开发模式 官话下面 人话 瀑布开发就是将什东西都定义好了在进行开发对吧 敏捷就是进行模块化一样 分批进行 规定一个时间段完成什么样的功能。 总结来说&#xff0c;瀑布开发强调在项目开始之前进行详细的计划和准备&#xff0c;并按照预定的顺序逐步进行&#x…

E. Beautiful Array(cf954div3)

题意&#xff1a;给定一个数组&#xff0c;可以先对数组进行任意排序&#xff0c;每次操作可以选择一个ai&#xff0c;将它变成aik&#xff0c; 想让这个数组变成一个美丽数组&#xff08;回文数组&#xff09;&#xff0c;求最少操作次数 分析&#xff1a; 先找出相同的数字…

使用Docker制作python项目镜像

各docker桌面版本集合&#xff1a;如果提示新版本系统不支持&#xff0c;可下载旧版本 我也分享在下面。 链接: https://pan.baidu.com/s/1HvaO2wOIE3pNE0bM7Qm3sA?pwdg7ky 提取码: g7ky –来自百度网盘超级会员v2的分享 来源参考&#xff1a;https://zhuanlan.zhihu.com/p/65…