买卖股票问题系列（Leecode刷题）

最新推荐文章于 2025-01-04 19:24:24 发布

李耳日

最新推荐文章于 2025-01-04 19:24:24 发布

阅读量361

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Leecode

本文链接：https://blog.csdn.net/qq_38505990/article/details/100677289

Leecode 专栏收录该内容

0 篇文章

订阅专栏

本文深入探讨了股票交易策略中的算法实现，包括一笔交易、多笔交易、含冷冻期及限定交易次数的情况，通过动态规划和双指针技巧，详细解析了如何计算最大利润。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

121. 买卖股票的最佳时机

点击跳转

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。
如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。
注意你不能在买入股票前卖出股票。

示例 1:
输入: [7,1,5,3,6,4]
输出: 5
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5
注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。

题解

第一种方法，动态规划
设置一个dp数组，dp[i] 表示第 i 天时最大的利润能达到多少。设想，这一天能做什么，卖，或者不卖，所以dp[i] 就取这一天卖股票，和不卖股票，两者之间的利润最大值，得到状态转换方程

dp[i]=max( dp[i-1] , 当前价格-前面的最小)

def maxProfit(prices):
        n = len(prices)
        dp = [0 for _ in range(n+1)]
        minV = prices[0]
        for i in range(1,n):
            if prices[i]>=minV:
                dp[i] = max(dp[i-1],prices[i]-minV)
            else:
                minV = prices[i]
        return max(dp)

第二种方法，双指针

设置两个指针，sell 和 buy，都指向开头，sell 不停向后移动，buy指向的值大于sell 指向的值，就认为是有利润的，prices[sell]-prices[buy]就是利润，如果指向的小于buy 指向的值，就把buy 后移一位，重复这个过程，并不断更新最大值

 def maxProfit(prices):
        maxV = 0
        buy,sell = 0,0
        while sell<len(prices)-1:
            sell += 1
            if prices[sell]>=prices[buy]:
                maxV = max(maxV,prices[sell]-prices[buy])
            else:
                buy = sell
        return maxV

122. 买卖股票的最佳时机2

点击跳转

题目改了一个条件，只能买一次，变成了可以买任意次

这样题目就简单了无数倍，试想，我是可以预知未来价格的，一旦我亏了，我在亏之前就卖出去不就好了？只要保证价格即将下降的时候卖出，又在最低谷买进，就是最大收益，换句话讲，就是求整个数组中，所有递增的大小

def maxProfit(prices):
        n = len(prices)
        count = 0
        for i in range(1,n):
            if prices[i]>=prices[i-1]:   很好理解，下一个更大就买进啊，一旦小了就不管啊
                count += (prices[i] - prices[i - 1])  
        return count

123. 买卖股票的最佳时机3(含冷冻期)

点击跳转

题目又改了，升级成了中等困难模式，现在规定，交易次数还是无限，但是交易完一次之后，会有一天的冷冻期不能交易

用动态规划做解

首先设置一个dp二维数组，dp[i][j],i代表第几天，j是0或者1，代表手里有没有股票
dp[i][0],第i天手里没股票，有两种可能，第i-1天卖了，或者今天卖了，取最大，max(dp[i-1][0],dp[i-1][1]+prices[i])
dp[i][1],手里有股票，有两种可能，第i-1天就买了，第i天也就是今天刚买，max(dp[i-1][1],dp[i-2][0]-prices[i])，为啥dp[i-2]呢，因为有冷冻期，今天要想买，必须起码是i-2天刚卖的

def maxProfit( prices):
        k = 2
        n = len(prices)
        dp = [[[0,0] for _ in range(k+1)] for _ in range(n)]
        dp[0][0][0] = 0
        dp[0][1][1] = -prices[1]
        for i in range(1,n):
            for j in range(1,k+1):
                dp[i][j][0] = max(dp[i-1][j][1]+prices[i],dp[i-1][j][0])
                dp[i][j][1] = max(dp[i-1][j][1],dp[i-1][j-1][0]-prices[i])
        return dp[n-1][k][0]

309. 买卖股票的最佳时机3

点击跳转

题目变成，交易只能有2次，没有冷冻期，变成了困难模式

还是动态规划，借用上面一题的思路，变成3维数组，给出代码，留一点思考的空间

def maxProfit(prices):
            k = 2
            n = len(prices)
            dp = [[[0, 0] for _ in range(k + 1)] for _ in range(n)]
            dp[0][1][0] = 0
            dp[0][1][1] = -prices[0]
            dp[0][2][0] = 0
            dp[0][2][1] = -prices[0]
            for i in range(1, n):
                for j in range(1, k + 1):
                    dp[i][j][0] = max(dp[i - 1][j][1] + prices[i], dp[i - 1][j][0])
                    dp[i][j][1] = max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i])
            print(dp[n - 1][k][0])
            return dp[n - 1][k][0]