数组——best-time-to-buy-and-sell-stock I、II、III

本文探讨了不同条件下股票交易策略的最大收益问题,包括仅能进行一次交易、交易次数不限及最多可进行两次交易的情况,并提供了相应的算法实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目 I:用一个数组表示股票每天的价格,数组的第i个数表示股票在第i天的价格。 如果只允许进行一次交易,也就是说只允许买一支股票并卖掉,求最大的收益。

若使用暴力搜索法时间复杂度为O(N^2);

不能使用先排序的方法,因为价格最高的值可能出现在价格最低的值之前;

动态规划法:

变量min存放至今为止最低的股票价格,数组b存放第i天卖可以获得的最大收益,遍历b得到b中最大的元素即可。

public int maxProfit(int[] prices) {
        if(prices == null||prices.length == 0)
            return 0;   
        int min=prices[0];
        int []b=new int[prices.length];
               b[0]=0;
        for(int i=1;i<b.length;i++)
            {
            if(prices[i]<min)
                {
                min=prices[i];
            }
            b[i]=prices[i]-min;
        }
        int profit=0;
        for(int i=0;i<b.length;i++)
            {
            if(b[i]>profit)
                profit=b[i];
        }
        return profit;
    }

题目 II:在题目I的基础上更改条件为交易次数不限,但一次只能交易一支股票,也就是说手上最多只能持有一支股票,求最大收益。

贪心法:

只要后一天的价钱比当天高,就算入收益,绝不做赔钱的买卖!

public int maxProfit(int[] prices) {
        if(prices == null||prices.length == 0)
            return 0;
        int profit=0;
        for(int i=0;i<prices.length-1;i++)
            {
            if(prices[i+1]>prices[i])
                {
                profit+=prices[i+1]-prices[i];
            }
            else
                {
                continue;
            }
        }
        return profit;
    }
题目III:在题目I的基础上,更改条件为最多交易两次,手上最多只能持有一支股票,求最大收益。

方法:以第i天为分界线,计算第i天之前进行一次交易的最大收益,和第i天之后进行一次交易的最大收益,max{preProfit[i] + postProfit[i]} (0≤i≤n-1)就是最大收益。第i天之前和第i天之后进行一次的最大收益求法同Best Time to Buy and Sell Stock I。

public class Solution {
    public int maxProfit(int[] prices) {
        if(prices == null||prices.length == 0)
            return 0;
        int max_profit=0;
        for(int i=0;i<prices.length;i++)
            {
            int cur_profit=profitFunc(prices,0,i)+profitFunc(prices,i+1,prices.length-1);
            if(cur_profit > max_profit)
                max_profit=cur_profit;
        }
        return max_profit;
    }
    public int profitFunc(int[] prices,int begin,int end)
        {
        if(begin >= end)
            return 0;
        int min=prices[begin];
        int[] dp=new int[end-begin+1];
        for(int i=begin+1;i<=end;i++)
            {
            if(prices[i] > min)
                dp[i-begin]=prices[i]-min;
            else
                min=prices[i];
        }
        int max=dp[0];
        for(int i=1;i<dp.length;i++)
            {
            if(dp[i] > max)
                max=dp[i];
        }
        return max;
    }
}




最佳的时间买卖股票III问题也可以使用动态规划算法来解决。动态规划算法通过将问题拆分为子问题,并利用子问题的解来构建更大规模问题的解。 对于最佳的时间买卖股票III问题,我们可以使用动态规划来构建一个二维数组dp,其中dp[i][j]表示在第i天结束时,最多进行j次交易所能获得的最大利润。 我们可以使用两个状态数组buysell来表示第j次交易的买入和卖出价格。初始化buysell数组为负无穷大。 接下来,我们遍历股票价格列表,对于每一天的价格,我们更新buysell数组的值。具体更新方式如下: 1. 对于第j次交易的买入价格,我们可以选择继续保持之前的买入价格(buy[j])或者在第i天买入(prices[i] - dp[i-1][j-1])。 2. 对于第j次交易的卖出价格,我们可以选择继续保持之前的卖出价格(sell[j])或者在第i天卖出(prices[i] + buy[j])。 在更新完buysell数组后,我们更新dp[i][j]为当前的最大利润(即sell[j])。 最后,我们返回dp[-1][-1]作为最大利润。 下面是使用动态规划算法解决最佳的时间买卖股票III问题的代码示例(假设prices是股票价格的列表): ```python def maxProfit(prices): n = len(prices) k = 2 # 最多进行两次交易 dp = [[0] * (k+1) for _ in range(n)] buy = [-float('inf')] * (k+1) sell = [0] * (k+1) for i in range(n): for j in range(1, k+1): buy[j] = max(buy[j], dp[i-1][j-1] - prices[i]) sell[j] = max(sell[j], prices[i] + buy[j]) dp[i][j] = max(dp[i-1][j], sell[j]) return dp[-1][-1] ``` 这个算法的时间复杂度是O(nk),其中n是股票价格列表的长度,k是最多进行的交易次数。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值