浅谈动态规划以及相关的股票问题

时间 2019-12-07

标签浅谈动态规划以及相关股票问题繁體版

原文原文链接

动态规划

1 概念

动态规划算法是经过拆分问题，定义问题的状态与状态之间的关系，使得问题可以以递推（或者说分治）的方式去解决。在学习动态规划以前须要明确掌握几个重要概念。java

阶段：对于一个完整的问题过程，适当的切分为若干个相互联系的子问题，每次在求解一个子问题，则对应一个阶段，整个问题的求解转化为按照阶段次序去求解。算法

状态：状态表示每一个阶段开始时所处的客观条件，即在求解子问题时的已知条件。状态描述了研究的问题过程当中的情况。数组

决策：决策表示当求解过程处于某一阶段的某一状态时，能够根据当前条件做出不一样的选择，从而肯定下一个阶段的状态，这种选择称为决策。性能

策略：由全部阶段的决策组成的决策序列称为全过程策略，简称策略。学习

最优策略：在全部的策略中，找到代价最小，性能最优的策略，此策略称为最优策略。优化

状态转移方程：状态转移方程是肯定两个相邻阶段状态的演变过程，描述了状态之间是如何演变的。设计

2 使用场景

能采用动态规划求解的问题通常要具备如下3 个性质：code

（1）最优化：若是问题的最优解所包含的子问题的解也是最优的，就称该问题具备最优子结构，即知足最优化原理。子问题的局部最优将致使整个问题的全局最优。换句话说，就是问题的一个最优解中必定包含子问题的一个最优解。it

（2）无后效性：即某阶段状态一旦肯定，就不受这个状态之后决策的影响。也就是说，某状态之后的过程不会影响之前的状态，只与当前状态有关，与其余阶段的状态无关，特别是与未发生的阶段的状态无关。io

（3）重叠子问题：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被屡次使用到。（该性质并非动态规划适用的必要条件，可是若是没有这条性质，动态规划算法同其余算法相比就不具有优点）

3 算法流程

（1）划分阶段：按照问题的时间或者空间特征将问题划分为若干个阶段。
（2）肯定状态以及状态变量：将问题的不一样阶段时期的不一样状态描述出来。
（3）肯定决策并写出状态转移方程：根据相邻两个阶段的各个状态之间的关系肯定决策。
（4）寻找边界条件：通常而言，状态转移方程是递推式，必须有一个递推的边界条件。
（5）设计程序，解决问题

实战练习

下面的三道算法题都是来源于 LeetCode 上与股票买卖相关的问题，咱们按照 动态规划 的算法流程来处理该类问题。

股票买卖这一类的问题，都是给定一个输入数组，里面的每一个元素表示的是天天的股价，而且你只能持有一支股票（即你必须在再次购买前出售掉以前的股票），通常来讲有下面几种问法：

只能买卖一次
能够买卖无数次
能够买卖 k 次

问题就是须要你设计一个算法去获取最大的利润。

买卖股票的最佳时机

题目来源于 LeetCode 上第 121 号问题：买卖股票的最佳时机。题目难度为 Easy，目前经过率为 49.4% 。

题目描述

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。

若是你最多只容许完成一笔交易（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, 由于卖出价格须要大于买入价格。

示例 2:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种状况下, 没有交易完成, 因此最大利润为 0。

题目解析

咱们按照动态规划的思想来思考这道问题。

状态

有 买入（buy） 和 卖出（sell） 这两种状态。

转移方程

对于买来讲，买以后能够卖出（进入卖状态），也能够再也不进行股票交易（保持买状态）。

对于卖来讲，卖出股票后不在进行股票交易（还在卖状态）。

只有在手上的钱才算钱，手上的钱购买当天的股票后至关于亏损。也就是说当天买的话意味着损失-prices[i]，当天卖的话意味着增长prices[i]，当天卖出总的收益就是 buy+prices[i] 。

因此咱们只要考虑当天买和以前买哪一个收益更高，当天卖和以前卖哪一个收益更高。

buy = max(buy, -price[i]) （注意：根据定义 buy 是负数）
sell = max(sell, prices[i] + buy)

边界

第一天 buy = -prices[0], sell = 0，最后返回 sell 便可。

代码实现

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length <= 1)
            return 0;
        
        int buy = -prices[0];
        int sell = 0;
        for(int i = 1; i < prices.length; i++) {
            buy = Math.max(buy, -prices[i]);
            sell = Math.max(sell, prices[i] + buy);
        }
        return sell;
    }
}

买卖股票的最佳时机 II

题目来源于 LeetCode 上第 122 号问题：买卖股票的最佳时机 II。题目难度为 Easy，目前经过率为 53.0% 。

题目描述

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。

设计一个算法来计算你所能获取的最大利润。你能够尽量地完成更多的交易（屡次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉以前的股票）。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能得到利润 = 5-1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能得到利润 = 6-3 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 5）的时候卖出, 这笔交易>所能得到利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，以后再将它们卖出。
由于这样属于同时参与了多笔交易，你必须在再次购买前出售掉以前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种状况下, 没有交易完成, 因此最大利润为 0。

题目解析

状态

有 买入（buy） 和 卖出（sell） 这两种状态。

转移方程

对比上题，这里能够有无限次的买入和卖出，也就是说买入状态以前可拥有卖出状态，因此买入的转移方程须要变化。

buy = max(buy, sell - price[i])
sell = max(sell, buy + prices[i] )

边界

第一天 buy = -prices[0], sell = 0，最后返回 sell 便可。

代码实现

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length <= 1)
            return 0;
        int buy = -prices[0], sell = 0;
        for(int i = 1; i < prices.length; i++) {
            sell = Math.max(sell, prices[i] + buy);
            buy = Math.max( buy,sell - prices[i]);
        }
        return sell;
    }
}

买卖股票的最佳时机 III

题目来源于 LeetCode 上第 123 号问题：买卖股票的最佳时机 III。题目难度为 Hard，目前经过率为 36.1% 。

题目描述

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多能够完成两笔交易。

注意: 你不能同时参与多笔交易（你必须在再次购买前出售掉以前的股票）。

示例 1:

输入: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能得到利润 = 3-0 = 3 。
随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天（股票价格 = 4）的时候卖出，这笔交易所能得到利润 = 4-1 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 5）的时候卖出, 这笔交易所能得到利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，以后再将它们卖出。
由于这样属于同时参与了多笔交易，你必须在再次购买前出售掉以前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这个状况下, 没有交易完成, 因此最大利润为 0。

题目解析

这里限制了最多两笔交易。

状态

有 第一次买入（fstBuy） 、 第一次卖出（fstSell）、第二次买入（secBuy） 和 第二次卖出（secSell） 这四种状态。

转移方程

这里能够有两次的买入和卖出，也就是说买入状态以前可拥有卖出状态，因此买入和卖出的转移方程须要变化。

fstBuy = max(fstBuy ， -price[i])
fstSell = max(fstSell，fstBuy + prices[i] )
secBuy = max(secBuy ，fstSell -price[i]) (受第一次卖出状态的影响)
secSell = max(secSell ，secBuy + prices[i] )

边界

一开始 fstBuy = -prices[0]
买入后直接卖出，fstSell = 0
买入后再卖出再买入，secBuy - prices[0]
买入后再卖出再买入再卖出，secSell = 0

最后返回 secSell 。

代码实现

class Solution {
    public int maxProfit(int[] prices) {
        int fstBuy = Integer.MIN_VALUE, fstSell = 0;
        int secBuy = Integer.MIN_VALUE, secSell = 0;
        for(int i = 0; i < prices.length; i++) {
            fstBuy = Math.max(fstBuy, -prices[i]);
            fstSell = Math.max(fstSell, fstBuy + prices[i]);
            secBuy = Math.max(secBuy, fstSell -  prices[i]);
            secSell = Math.max(secSell, secBuy +  prices[i]); 
        }
        return secSell;

    }
}