带你读《图解算法小抄》二十一、动态规划(10)

简介: 带你读《图解算法小抄》二十一、动态规划(10)

带你读《图解算法小抄》二十一、动态规划(9)https://developer.aliyun.com/article/1347954?groupCode=tech_library


16.买卖股票的最佳时机 III

1)题目描述

给定一个数组 prices,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你最多可以完成两笔交易。

 

**注意:**你不能同时进行多笔交易(即,你必须在再次购买之前出售掉之前的股票)。

2)解题步骤

为了计算买卖股票的最佳时机 III,我们可以使用动态规划的思想来解决问题。

 

  • 定义状态:我们可以将问题转化为对于每个交易日的状态,即持有股票和未持有股票。令 dp[i][j][k] 表示第 i 天,已完成 j 笔交易,并且处于状态 k(0 表示未持有股票,1 表示持有股票)时的最大利润。
  • 初始状态:对于第一天,我们有以下初始状态:dp[0][0][0] = 0,第一天未持有股票时的最大利润为 0。
  • dp[0][1][0] = 0,第一天完成了一笔交易,但未持有股票时的最大利润为 0。
  • dp[0][0][1] = -prices[0],第一天持有股票时的最大利润为买入价格的相反数。
  • dp[0][1][1] = -prices[0],第一天完成了一笔交易且持有股票时的最大利润为买入价格的相反数。

 

  • 状态转移方程:对于第 i 天,我们可以进行以下操作:如果第 i 天未持有股票且未完成任何交易(k = 0, j = 0),那么最大利润为前一天未持有股票且未完成任何交易的最大利润 dp[i-1][0][0]
  • 如果第 i 天未持有股票但已完成一笔交易(k = 0, j = 1),那么最大利润为前一天未持有股票但已完成一笔交易的最大利润 dp[i-1][1][0] 加上在第 i 天卖出股票所得到的利润 prices[i]
  • 如果第 i 天持有股票且未完成任何交易(k = 1, j = 0),那么最大利润为前一天持有股票且未完成任何交易的最大利润 dp[i-1][0][1]
  • 如果第 i 天持有股票且已完成一笔交易(k = 1, j = 1),那么最大利润为前一天持有股票且已完成一笔交易的最大利润 dp[i-1][1][1] 加上在第 i 天卖出股票所得到的利润 prices[i]

 

  • 综上所述,我们可以得到状态转移方程为:
  • dp[i][0][0] = dp[i-1][0][0]
  • dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][0][0] - prices[i])
  • dp[i][0][1] = max(dp[i-1][0][1], dp[i-1][1][0] + prices[i])
  • dp[i][1][1] = max(dp[i-1][1][1], dp[i-1][0][1] - prices[i])

 

  • 最终解:问题的解即为最后一天未持有股票且已完成两笔交易时的最大利润,即 dp[n-1][1][0],其中 n 是交易日的总数。

下面是使用动态规划解决买卖股票的最佳时机 III 问题的算法框架:

 

function maxProfit(prices) {
  const n = prices.length;  if (n < 2) {
    return 0;
  }  const dp = new Array(n).fill(0).map(() =>
    new Array(2).fill(0).map(() => new Array(3).fill(0))
  );  dp[0][0][0] = 0;
  dp[0][1][0] = 0;
  dp[0][0][1] = -prices[0];
  dp[0][1][1] = -prices[0];  for (let i = 1; i < n; i++) {
    dp[i][0][0] = dp[i - 1][0][0];
    dp[i][1][0] = Math.max(dp[i - 1][1][0], dp[i - 1][0][0] - prices[i]);
    dp[i][0][1] = Math.max(dp[i - 1][0][1], dp[i - 1][1][0] + prices[i]);
    dp[i][1][1] = Math.max(dp[i - 1][1][1], dp[i - 1][0][1] - prices[i]);
  }  return dp[n - 1][1][0];
}


带你读《图解算法小抄》二十一、动态规划(11)https://developer.aliyun.com/article/1347952?groupCode=tech_library

相关文章
|
2月前
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
62 8
|
2月前
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
52 3
|
1月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
|
1月前
|
算法 Java 测试技术
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
这篇文章介绍了基于动态规划法的三种算法:解决背包问题的递归和自底向上实现、Warshall算法和Floyd算法,并提供了它们的伪代码、Java源代码实现以及时间效率分析。
算法设计(动态规划实验报告) 基于动态规划的背包问题、Warshall算法和Floyd算法
|
2月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
69 2
|
2月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
35 1
|
2月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
50 1
|
2月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
55 1
|
2月前
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
36 1
|
2月前
|
算法 索引 Python
逆袭算法界!Python分治法、贪心算法、动态规划深度剖析,带你走出算法迷宫!
【7月更文挑战第8天】分治法,如快速排序,将大问题分解并合并解;贪心算法,选择局部最优解,如活动选择;动态规划,利用最优子结构避免重复计算,如斐波那契数列。Python示例展示这些算法如何解决实际问题,助你精通算法,勇闯迷宫。
34 1