LeetCode #309 Best Time to Buy and Sell Stock with Cooldown 最佳買賣股票時機含冷凍期

309 Best Time to Buy and Sell Stock with Cooldown 最佳買賣股票時機含冷凍期

Description:
Say you have an array for which the ith element is the price of a given stock on day i.

Design an algorithm to find the maximum profit. You may complete as many transactions as you like (ie, buy one and sell one share of the stock multiple times) with the following restrictions:

You may not engage in multiple transactions at the same time (ie, you must sell the stock before you buy again).
After you sell your stock, you cannot buy stock on next day. (ie, cooldown 1 day)

Example:

Input: [1,2,3,0,2]
Output: 3
Explanation: transactions = [buy, sell, cooldown, buy, sell]

題目描述:
給定一個整數(shù)數(shù)組邪媳,其中第 i 個元素代表了第 i 天的股票價格 咙俩。?

設(shè)計一個算法計算出最大利潤金赦。在滿足以下約束條件下,你可以盡可能地完成更多的交易(多次買賣一支股票):

你不能同時參與多筆交易(你必須在再次購買前出售掉之前的股票)斑粱。
賣出股票后捉貌,你無法在第二天買入股票 (即冷凍期為 1 天)传泊。

示例 :

輸入: [1,2,3,0,2]
輸出: 3
解釋: 對應(yīng)的交易狀態(tài)為: [買入, 賣出, 冷凍期, 買入, 賣出]

思路:

動態(tài)規(guī)劃
dp[i][0]表示第 i天沒有股票的收益, dp[i][1]表示第 i天持有股票的收益
這里因為有冷卻期, 所以購買的時候要從前 2天開始
轉(zhuǎn)移方程:
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i])
dp[i][1] = max(dp[i - 1][1], dp[i - 2][0] - prices[i])
時間復(fù)雜度O(n), 空間復(fù)雜度O(1)

代碼:
C++:

class Solution 
{
public:
    int maxProfit(vector<int>& prices) 
    {
        int dp_i_0 = 0, dp_i_1 = INT_MIN, dp_pre_0 = 0;
        for (int i = 0; i < prices.size(); i++) 
        {
            int temp = dp_i_0;
            dp_i_0 = max(dp_i_0, dp_i_1 + prices[i]);
            dp_i_1 = max(dp_i_1, dp_pre_0 - prices[i]);
            dp_pre_0 = temp;
        }
        return dp_i_0;
    }
};

Java:

class Solution {
    public int maxProfit(int[] prices) {
        int a = 0, b = Integer.MIN_VALUE, c = 0;
        for (int i = 0; i < prices.length; i++) {
            int t = a;
            a = Math.max(a, b + prices[i]);
            b = Math.max(b, c - prices[i]);
            c = t;
        }
        return a;
    }
}

Python:

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        a, b, c = 0, -float('inf'), 0
        for i in range(len(prices)):
            a, b, c = max(a, b + prices[i]), max(b, c - prices[i]), a
        return a
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末料仗,一起剝皮案震驚了整個濱河市贼急,隨后出現(xiàn)的幾起案子茅茂,更是在濱河造成了極大的恐慌捏萍,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,386評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件空闲,死亡現(xiàn)場離奇詭異令杈,居然都是意外死亡,警方通過查閱死者的電腦和手機碴倾,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,142評論 3 394
  • 文/潘曉璐 我一進店門逗噩,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人跌榔,你說我怎么就攤上這事异雁。” “怎么了僧须?”我有些...
    開封第一講書人閱讀 164,704評論 0 353
  • 文/不壞的土叔 我叫張陵纲刀,是天一觀的道長。 經(jīng)常有香客問我担平,道長示绊,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,702評論 1 294
  • 正文 為了忘掉前任暂论,我火速辦了婚禮面褐,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘取胎。我一直安慰自己展哭,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,716評論 6 392
  • 文/花漫 我一把揭開白布闻蛀。 她就那樣靜靜地躺著匪傍,像睡著了一般。 火紅的嫁衣襯著肌膚如雪觉痛。 梳的紋絲不亂的頭發(fā)上析恢,一...
    開封第一講書人閱讀 51,573評論 1 305
  • 那天,我揣著相機與錄音秧饮,去河邊找鬼。 笑死泽篮,一個胖子當(dāng)著我的面吹牛盗尸,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播帽撑,決...
    沈念sama閱讀 40,314評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼泼各,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了亏拉?” 一聲冷哼從身側(cè)響起扣蜻,我...
    開封第一講書人閱讀 39,230評論 0 276
  • 序言:老撾萬榮一對情侶失蹤逆巍,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后莽使,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體锐极,經(jīng)...
    沈念sama閱讀 45,680評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,873評論 3 336
  • 正文 我和宋清朗相戀三年芳肌,在試婚紗的時候發(fā)現(xiàn)自己被綠了灵再。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,991評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡亿笤,死狀恐怖翎迁,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情净薛,我是刑警寧澤汪榔,帶...
    沈念sama閱讀 35,706評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站肃拜,受9級特大地震影響痴腌,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜爆班,卻給世界環(huán)境...
    茶點故事閱讀 41,329評論 3 330
  • 文/蒙蒙 一衷掷、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧柿菩,春花似錦戚嗅、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,910評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至凉泄,卻和暖如春躏尉,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背后众。 一陣腳步聲響...
    開封第一講書人閱讀 33,038評論 1 270
  • 我被黑心中介騙來泰國打工胀糜, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人蒂誉。 一個月前我還...
    沈念sama閱讀 48,158評論 3 370
  • 正文 我出身青樓教藻,卻偏偏與公主長得像,于是被迫代替她去往敵國和親右锨。 傳聞我的和親對象是個殘疾皇子括堤,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,941評論 2 355