Buy Low, Buy Lower

本文探讨了如何通过动态规划解决数列中寻找最长降序子序列的问题,并详细解释了实现过程及算法逻辑。通过倒序遍历数列,利用状态转移方程计算每个元素作为起点的最长降序子序列长度及其数量,最终得到最大长度及满足条件的子序列总数。算法中特别注意了重复元素的处理,确保统计结果的准确性。

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

题意:有一个大小为N的数列,数列中都是以正整数代表的价格,求最长的降序子列的长度以及个数(子列中元素的先后顺序要与原来的数列中相同,而且对于全部元素都相等的子列只能算作一个)

解题思路

  1. 用price[0...N-1]来代表这个数列,用f[i] = j来代表以price[i]为第一个元素的最长降序子列的长度为j
  2. 初始条件f[N - 1] = 1,倒序滚雪球的过程:f[i] = max{f[j] + 1},其中j = [i + 1, N - 1]而且price[i] > price[j]。如果没有满足条件的j,则f[i] = 1
  3. 用c[i] = j来代表以price[i]为第一个元素的最长降序子列的长度为j
  4. 初始条件为c[N - 1] = 1,倒序滚雪球的过程:c[i] = sum{c[j]},其中j = [i + 1, N - 1],f[i] = f[j] + 1而且price[i] > price[j]。在DP过程中要注意对重复的判断,也就是如果f[j]相同并且对应的price[j]也想同,就代表出现重复,只能算一次
  5. 遍历f[i],找到最大的f[i]即为最长降序子列的长度。然后将这些等于最大长度的f[i]对应的c[i]加起来,在这个过程中同样要注意判断重复,方法与4中相同
  6. 最后得到的c[i]之和就是最后的结果,在处理过程中发现这个和比较大,用内置的数据类型无法表示,于是用一个长度为100的数组来保存c[i]的每一位数,相加的过程自行写一个类似竖式加法的函数就行

代码

/*
ID: zc.rene1
LANG: C
PROG: buylow
 */

#include<stdio.h>
#include<stdlib.h>
#include<string.h>

int N;
int price[5000];
int f[5000];
int c[5000][100];
int visited[5000];

int result[5000];

void GetF(void)
{
    int i, j;
    int max;

    memset(f, 0, 5000 * sizeof(int));
    f[N - 1] = 1;
    for (i=N-2; i>=0; i--)
    {
	max = 1;
	for (j=i+1; j<N; j++)
	{
	    if (price[i] > price[j])
	    {
		if (f[j] + 1 > max)
		{
		    max = f[j] + 1;
		}
	    }
	}
	f[i] = max;
    }
}

int IsVisited(int dest, int len)
{
    int i;

    for (i=0; i<len; i++)
    {
	if (visited[i] == dest)
	{
	    return 1;
	}
    }
    return 0;
}

void Add(int a[100], int b[100])
{
    int i = 0, remain = 0, sum;

    while (i < 100)
    {
	sum = a[i] + b[i] + remain;
	if (sum >= 10)
	{
	    remain = 1;
	}
	else
	{
	    remain = 0;
	}
	a[i] = (sum) % 10;
	i++;
    }

}

void GetC(void)
{
    int i, j, index;
    
    memset(c, 0, 5000 * 100 * sizeof(int));
    c[N-1][0] = 1;

    for (i=N-2; i>=0; i--)
    {
	memset(visited, 0, N * sizeof(int));
	index = 0;
	for (j=i+1; j<N; j++)
	{
	    if ((f[i] == f[j] + 1) && (price[i] > price[j]))
	    {
		if (IsVisited(price[j], index))
		{
		    continue;
		}
		else
		{
		    visited[index++] = price[j];
		    Add(c[i], c[j]);
		}
	    }
	}
	if (index == 0)
	{
	    c[i][0] = 1;
	}
    }
}

int main(void)
{
    FILE *fin, *fout;
    int i, index, max_f;
    int max_c[100];

    fin = fopen("buylow.in", "r");
    fout = fopen("buylow.out", "w");

    fscanf(fin, "%d", &N);
    for (i=0; i<N; i++)
    {
	fscanf(fin, "%d", &price[i]);
    }

    GetF();
    GetC();

    max_f = -1;
    for (i=0; i<N; i++)
    {
	if (f[i] > max_f)
	{
	    max_f = f[i];
	}
    }

    memset(max_c, 0, 100 * sizeof(int));
    memset(visited, 0, N * sizeof(int));
    index = 0;
    for (i=0; i<N; i++)
    {
	if (f[i] == max_f)
	{
	    if (IsVisited(price[i], index))
	    {
		continue;
	    }
	    else
	    {
		visited[index++] = price[i];
		Add(max_c, c[i]);
	    }
	}
    }
    fprintf(fout, "%d ", max_f);

    i = 99;
    while (max_c[i] == 0)
    {
	i--;
    }

    while (i >= 0)
    { 
	fprintf(fout, "%d", max_c[i]);
	i--;
    }
    fprintf(fout, "\n");

    return 0;
}


修改以下代码,在generate_signals中增加信号需要实现: 1.因子说明:统计df数据中的最低价,绘制最低价均线,假如某个时刻跌破上一最低价均线的5%,买入,做空相反 def calculate_indicators(df, config): “”" 计算所有技术指标 :param df: 包含OHLCV的极客DataFrame :param config: 策略参数配置 :return: 添加了指标列的DataFrame “”" # 布林带 df['BB_Upper'], df['BB_Middle'], df['BB_Lower'] = bollinger_bands( df['close'], window=config['bb_window'], dev=config['bb_dev'] ) # 成交量均线(前5根K线) df['Volume_MA'] = df['volume'].rolling(window=config['volume_ma_window']).mean().shift(1) # MACD df['MACD'], df['MACD_Signal'], df['MACD_Histogram'] = macd( df['close'], fast=config['macd_fast'], slow=config['macd_slow'], signal=config['macd_signal'] ) return df def bollinger_bands(series, window=20, dev=2): “”“计算布林带”“” sma = series.rolling(window=window).mean() std = series.rolling(window).std() upper = sma + (std * dev) lower = sma - (std * dev) return upper, sma, lower def macd(series, fast=12, slow=26, signal=9): “”“计算MACD指标”“” fast_ema = series.ewm(span=fast, adjust=False).mean() slow_ema = series.ewm(span=slow, adjust=False).mean() macd_line = fast_ema - slow_ema signal_line = macd_line.ewm(span=signal, adjust=False).mean() histogram = macd_line - signal_line return macd_line, signal_line, histogram def generate_signals(df, config): “”“生成交易信号”“” # 初始化信号列 df[‘Signal’] = config[‘no_position’] # 新增布林带中轨突破条件 # 做空:收盘价跌穿中轨且前4根K线最低价高于中轨 middle_break_short = ( (df['close'] < df['BB_Middle']) & # 当前K线收盘价低于中轨 (df['close'].shift(1) >= df['BB_Middle'].shift(1)) & # 前一根K线收盘价高于中轨 (df['low'].shift(1) > df['BB_Middle'].shift(1)) & # 前1根最低价高于中轨 (df['low'].shift(2) > df['BB_Middle'].shift(2)) & # 前2根最低价高于中轨 (df['low'].shift(3) > df['BB_Middle'].shift(3)) & # 前3根最低价高于中轨 (df['low'].shift(4) > df['BB_Middle'].shift(4)) # 前4根最低价高于中轨 # (df['low'].shift(4) > df['BB_Middle'].shift(5)) ) # 做多:收盘价涨穿中轨且前4根K线最高价低于中轨 middle_break_long = ( (df['close'] > df['BB_Middle']) & # 当前K线收盘价高于中轨 (df['close'].shift(1) <= df['BB_Middle'].shift(1)) & # 前一根K线收盘价低于中轨 (df['high'].shift(1) < df['BB_Middle'].shift(1)) & # 前1根最高价低于中轨 (df['high'].shift(2) < df['BB_Middle'].shift(2)) & # 前2根最高价低于中轨 (df['high'].shift(3) < df['BB_Middle'].shift(3)) & # 前3根最高价低于中轨 (df['high'].shift(4) < df['BB_Middle'].shift(4)) # 前4根最高价低于中轨 # (df['high'].shift(4) < df['BB_Middle'].shift(5)) ) # 布林带突破条件 upper_break = ((df['close'] > df['BB_Upper']) & (df['close'].shift(1) <= df['BB_Upper'].shift(1)) & (df['close'].shift(2) <= df['BB_Upper'].shift(2)) & (df['close'] > df['close'].shift(1))) lower_break = ((df['close'] < df['BB_Lower']) & (df['close'].shift(1) >= df['BB_Lower'].shift(1)) & (df['close'].shift(2) >= df['BB_Lower'].shift(2)) & (df['close'] < df['close'].shift(1))) # 成交量放大条件(前5根K线平均的4倍) volume_condition = df['volume'] > (df['Volume_MA'] * config['volume_multiple']) # MACD位置条件(零轴以下) macd_below_zero = (df['MACD'] < 0) & (df['MACD_Signal'] < 0) macd_above_zero = (df['MACD'] > 0) & (df['MACD_Signal'] > 0) # 买入信号(布林带下轨突破 + 成交量放大 + MACD在零轴以下) buy_condition = lower_break & volume_condition & macd_below_zero | middle_break_long #调试信号| 1 # 卖出信号(布林带上轨突破 + 成交量放大 + MACD在零轴以上) sell_condition = upper_break & volume_condition & macd_above_zero | middle_break_short # 设置信号 df.loc[buy_condition, 'Signal'] = config['long'] df.loc[sell_condition, 'Signal'] = config['short'] df['B'] = buy_condition.astype(int)#|1,调试信号模拟 df['S'] = -1*sell_condition.astype(int) #信号合并 df['signal_return_to_market_tracking']=df['B']+df['S'] return df
最新发布
08-11
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