「动态规划」买卖股票的最佳时机,如何处理手续费?

2024-06-13 13:28

本文主要是介绍「动态规划」买卖股票的最佳时机,如何处理手续费?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

给定一个整数数组prices,其中prices[i]表示第i天的股票价格;整数fee代表了交易股票的手续费用。你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。返回获得利润的最大值。注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要支付一次手续费。

  1. 输入:prices = [1, 3, 2, 8, 4, 9],fee = 2,输出:8,解释:能够达到的最大利润:在此处买入prices[0] = 1,在此处卖出prices[3] = 8,在此处买入prices[4] = 4,在此处卖出prices[5] = 9,总利润:((8 - 1) - 2) + ((9 - 4) - 2) = 8。
  2. 输入:prices = [1,3,7,5,10,3],fee = 3,输出:6。

提示:1 <= prices.length <= 5 * 10^4,1 <= prices[i] < 5 * 10^4,0 <= fee < 5 * 10^4。


我们用动态规划的思想来解决这个问题。

确定状态表示:根据经验和题目要求,我们用dp[i]表示:在第i天结束时,此时的最大利润。

在第i天结束时,如果手中有股票,我们就处于买入状态;如果手中没有股票,我们就处于卖出状态。所以状态表示可以细分为:

  • 用f[i]表示:在第i天结束时,处于买入状态,此时的最大利润。
  • 用g[i]表示:在第i天结束时,处于卖出状态,此时的最大利润。

推导状态转移方程:问题的关键在于如何计算利润。如果我们买入股票,那么利润就要减去股票当天的价格;如果我们卖出股票,那么利润就要加上股票当天的价格。除此之外,还要考虑手续费,根据题目要求,这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要支付一次手续费,我们选择在卖出股票时支付一次手续费,所以在卖出股票时利润要减去手续费。

我们考虑最近的一步,即第i - 1天的状态:

  • 考虑f[i],在第i天结束时处于买入状态,此时的最大利润是以下情况的最大值。
    • 如果在第i - 1天结束时处于买入状态,那么在第i天什么都不做,此时的最大利润就是在第i - 1天结束时处于买入状态的最大利润,即f[i - 1]。
    • 如果在第i - 1天结束时处于卖出状态,那么就要在第i天买入股票,此时的最大利润是在第i - 1天结束时处于卖出状态的最大利润减去股票在第i天的价格,即g[i - 1] - prices[i]。
  • 考虑g[i],在第i天结束时处于卖出状态,此时的最大利润是以下情况的最大值。
    • 如果在第i - 1天结束时处于买入状态,那么就要在第i天卖出股票,此时的最大利润是在第i - 1天结束时处于买入状态的最大利润加上股票在第i天的价格,再减去手续费,即f[i - 1] + prices[i] - fee。
    • 如果在第i - 1天结束时处于卖出状态,那么在第i天什么都不做,此时的最大利润就是在第i - 1天结束时处于卖出状态的最大利润,即g[i - 1]。

综上所述:f[i] = max(f[i - 1], g[i - 1] - prices[i]),g[i] = max(f[i - 1] + prices[i] - fee, g[i - 1])

初始化:根据状态转移方程,我们要初始化f[0]和g[0]的值,防止越界。

  • f[0]表示:在第0天结束时处于买入状态下的最大利润。一开始利润是0,在第0天买入股票,第0天结束时的最大利润就是-prices[0]。
  • g[0]表示:在第0天结束时处于卖出状态下的最大利润。一开始利润是0,在第0天什么都不做,利润仍然是0。

综上所述:f[0] = -prices[0],g[0] = 0

填表顺序:根据状态转移方程,f[i]和g[i]都依赖于f[i - 1]和g[i - 1],所以要沿着i增大的方向同时填f表和g表

返回值:假设总共有n天,那么第i天,i的范围就是[0, n - 1]。要想获得最大利润,在第n - 1天结束时必须处于卖出状态,否则在第n - 1天卖出股票就能获得更多的利润。根据状态表示,我们最终要返回第n - 1天结束时处于卖出状态的最大利润,即g[n - 1]

细节问题:由于f表和g表的下标范围都是[0, n - 1],所以规模都是1 x n

时间复杂度:O(N),空间复杂度:O(N)。

class Solution {
public:int maxProfit(vector<int>& prices, int fee) {int n = prices.size();// 创建dp表vector<int> f(n);auto g = f;// 初始化f[0] = -prices[0];// 填表for (int i = 1; i < n; i++) {f[i] = max(f[i - 1], g[i - 1] - prices[i]);g[i] = max(f[i - 1] + prices[i] - fee, g[i - 1]);}// 返回结果return g[n - 1];}
};

这篇关于「动态规划」买卖股票的最佳时机,如何处理手续费?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1057425

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

Java使用Javassist动态生成HelloWorld类

《Java使用Javassist动态生成HelloWorld类》Javassist是一个非常强大的字节码操作和定义库,它允许开发者在运行时创建新的类或者修改现有的类,本文将简单介绍如何使用Javass... 目录1. Javassist简介2. 环境准备3. 动态生成HelloWorld类3.1 创建CtC

Python实现批量CSV转Excel的高性能处理方案

《Python实现批量CSV转Excel的高性能处理方案》在日常办公中,我们经常需要将CSV格式的数据转换为Excel文件,本文将介绍一个基于Python的高性能解决方案,感兴趣的小伙伴可以跟随小编一... 目录一、场景需求二、技术方案三、核心代码四、批量处理方案五、性能优化六、使用示例完整代码七、小结一、

Python中 try / except / else / finally 异常处理方法详解

《Python中try/except/else/finally异常处理方法详解》:本文主要介绍Python中try/except/else/finally异常处理方法的相关资料,涵... 目录1. 基本结构2. 各部分的作用tryexceptelsefinally3. 执行流程总结4. 常见用法(1)多个e

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

Python自动化处理PDF文档的操作完整指南

《Python自动化处理PDF文档的操作完整指南》在办公自动化中,PDF文档处理是一项常见需求,本文将介绍如何使用Python实现PDF文档的自动化处理,感兴趣的小伙伴可以跟随小编一起学习一下... 目录使用pymupdf读写PDF文件基本概念安装pymupdf提取文本内容提取图像添加水印使用pdfplum

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

基于Redis自动过期的流处理暂停机制

《基于Redis自动过期的流处理暂停机制》基于Redis自动过期的流处理暂停机制是一种高效、可靠且易于实现的解决方案,防止延时过大的数据影响实时处理自动恢复处理,以避免积压的数据影响实时性,下面就来详... 目录核心思路代码实现1. 初始化Redis连接和键前缀2. 接收数据时检查暂停状态3. 检测到延时过