[SCOI2010] 股票交易 (单调队列优化dp)

本文介绍了一个股票交易策略问题,通过动态规划和单调队列优化来解决。问题要求在遵循特定规则的情况下实现最大收益,包括对交易频率和持股数量的限制。

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

题目描述
最近lxhgww又迷上了投资股票,通过一段时间的观察和学习,他总结出了股票行情的一些规律。

通过一段时间的观察,lxhgww预测到了未来T天内某只股票的走势,第i天的股票买入价为每股APi,第i天的股票卖出价为每股BPi(数据保证对于每个i,都有APi>=BPi),但是每天不能无限制地交易,于是股票交易所规定第i天的一次买入至多只能购买ASi股,一次卖出至多只能卖出BSi股。

另外,股票交易所还制定了两个规定。为了避免大家疯狂交易,股票交易所规定在两次交易(某一天的买入或者卖出均算是一次交易)之间,至少要间隔W天,也就是说如果在第i天发生了交易,那么从第i+1天到第i+W天,均不能发生交易。同时,为了避免垄断,股票交易所还规定在任何时间,一个人的手里的股票数不能超过MaxP。

在第1天之前,lxhgww手里有一大笔钱(可以认为钱的数目无限),但是没有任何股票,当然,T天以后,lxhgww想要赚到最多的钱,聪明的程序员们,你们能帮助他吗?

输入输出格式
输入格式:
输入数据第一行包括3个整数,分别是T,MaxP,W。

接下来T行,第i行代表第i-1天的股票走势,每行4个整数,分别表示APi,BPi,ASi,BSi。

输出格式:
输出数据为一行,包括1个数字,表示lxhgww能赚到的最多的钱数。

输入输出样例
输入样例#1:
5 2 0
2 1 1 1
2 1 1 1
3 2 1 1
4 3 1 1
5 4 1 1
输出样例#1:
3
说明
对于30%的数据,0<=WT<=50,1<=MaxP<=50

对于50%的数据,0<=W<T<=2000,1<=MaxP<=50

对于100%的数据,0<=W<T<=2000,1<=MaxP<=2000

对于所有的数据,1<=BPi<=APi<=1000,1<=ASi,BSi<=MaxP

dp[i][j] 表示第i天手中有j张邮票的最优解
分情况讨论即可(空手买 不买 买入 卖出)
其中 买入、卖出 用单调队列优化
PS: 代码中我先写出原来的方程方便看着写

code:

//By Menteur_Hxy
#include<cstdio>
#include<iostream>
#include<cstring>
using namespace std;

int dp[2010][2010],q[2010];

int rd() {
    int x=0,fla=1;
    char c=' ';
    while(c<'0' || c>'9') {if(c=='-') fla=-fla;c=getchar();}
    while(c>='0' && c<='9') x=x*10+c-'0',c=getchar();
    return x*fla;
}

int main() {
    int t=rd(),m=rd(),w=rd();

    memset(dp,128,sizeof dp);//极小值

    for(int i=1;i<=t;i++) {
        int ap=rd(),bp=rd(),as=rd(),bs=rd();
        //买价 ap 卖价 bp 买量 as 卖量 bs 
        for(int j=0;j<=as;j++) dp[i][j]=-ap*j;
        for(int j=0;j<=m;j++) dp[i][j]=max(dp[i][j],dp[i-1][j]);

        if(i<=w) continue; // !!!!

//      买入 dp[i][j]=max(dp[i][j],dp[i-w-1][k]+ap*k-ap*j); (0<=k<=j && j-k<=as)
//      单调: dp[i-w-1][k]+ap*k
        int l=1,r=0;
        for(int j=0;j<=m;j++) {
            while(l<=r && j-q[l]>as) l++;
            while(l<=r && dp[i-w-1][q[r]]+ap*q[r] <= dp[i-w-1][j]+ap*j) r--;
            q[++r]=j;// !
            if(l<=r)// !
                dp[i][j]=max(dp[i][j],dp[i-w-1][q[l]]+ap*q[l]-ap*j);
        }

//      卖出:dp[i][j]=max(dp[i][j],dp[i-w-1][k]+bp*k-j*bp)) (j<=k<=m && k-j<=bs) 
//      单调:dp[i-w-1][k]+bp*k;
        l=1,r=0;
        for(int j=m;j>=0;j--) {
            while(l<=r && q[l]-j>bs) l++;
            while(l<=r && dp[i-w-1][q[r]]+bp*q[r] <= dp[i-w-1][j]+bp*j) r--;
            q[++r]=j;// !
            if(l<=r)// !
                dp[i][j]=max(dp[i][j],dp[i-w-1][q[l]]+bp*q[l]-bp*j);
        }
    }
    int maxn=-0x3f3f3f3f;
    for(int i=0;i<=m;i++) maxn=max(dp[t][i],maxn);
    printf("%d",maxn);
    return 0;
}

转载于:https://www.cnblogs.com/Menteur-Hxy/p/9247997.html

内容概要:本文详细探讨了基于MATLAB/SIMULINK的多载波无线通信系统仿真及性能分析,重点研究了以OFDM为代表的多载波技术。文章首先介绍了OFDM的基本原理和系统组成,随后通过仿真平台分析了不同调制方式的抗干扰性能、信道估计算法对系统性能的影响以及同步技术的实现与分析。文中提供了详细的MATLAB代码实现,涵盖OFDM系统的基本仿真、信道估计算法比较、同步算法实现和不同调制方式的性能比较。此外,还讨论了信道特征、OFDM关键技术、信道估计、同步技术和系统级仿真架构,并提出了未来的改进方向,如深度学习增强、混合波形设计和硬件加速方案。; 适合人群:具备无线通信基础知识,尤其是对OFDM技术有一定了解的研究人员和技术人员;从事无线通信系统设计与开发的工程师;高校通信工程专业的高年级本科生和研究生。; 使用场景及目标:①理解OFDM系统的工作原理及其在多径信道环境下的性能表现;②掌握MATLAB/SIMULINK在无线通信系统仿真中的应用;③评估不同调制方式、信道估计算法和同步算法的优劣;④为实际OFDM系统的设计和优化提供理论依据和技术支持。; 其他说明:本文不仅提供了详细的理论分析,还附带了大量的MATLAB代码示例,便于读者动手实践。建议读者在学习过程中结合代码进行调试和实验,以加深对OFDM技术的理解。此外,文中还涉及了一些最新的研究方向和技术趋势,如AI增强和毫米波通信,为读者提供了更广阔的视野。
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