LeetCode Best Time to Buy and Sell Stock III && Best Time to Buy and Sell Stock IV
2015-03-13 10:57
525 查看
LeetCode这个买股票题,个人认为是出的比较好的,一共四个问题,其中3和4都是hard,在我看来,4的难度比3还是难了不少,因为他涉及到了dp的优化
这里就稍微再提一下第一问和第二问,第一问已经有了一个dp的思想,答案是max(prices[i]-min(prices[j]))其中,j从0取到i-1,乍一看需要O(n*n)的复杂度,但是通过用一个数保存前i个price中最小的那个price就可以降复杂度到O(n)。第二问可以买卖无限次,那么通过贪心解决,只要看到相邻的两次价格,后者比前者高,那么就加上这个利润。第二问的代码等下第四问也会涉及。
到了第三问,最多可以交易2次,我曾经做过一道最大2段子序列和的题目,就是给定一串数,让你找到2段连续的数(其实1段也可以看做2段),使这两段连续数的和最大,这题有O(n)的做法,就是枚举中间的界。由此我想到第三问的做法,其实和第一问很像,就是对于任意前i个数,我能得到最大利润(按照第一问的做法即可),对于任意后n-i个数,我通过倒着计算,也能得到最大利润(类似第一问的做法),然后我枚举这个i,取一个max,就是答案,复杂度就是O(n),代码如下:
min和max分别表示前i个数中的最小price和后i个数中的最大prices,dp1[i]表示前i个prices能获得的最大利润,dp2[i]表示后i个prices能获得的最大利润,答案就是max(dp1[i]+dp2[n-i-1]);
最难的第四问,第四问的状态转移方程还是好写的,dp[t][i]表示前i个价格最多使用t次获得的最大利润,有:
dp[t][i]=max(dp[t-1][j]+prices[i-1]-prices[j])
这里注意一点,dp的i从1开始取,但是i=0也是一个初始状态,而prices从0开始取,所以原本的prices[i]-prices[j+1]变成了prices[i-1]-prices[j],显然最后的答案是dp[k]
,我们要计算出dp这个数组最起码需要O(n*k)的时间复杂度,但是每次计算dp[t][i]我还需要枚举j,取得最大dp[t-1][j]+prices[i-1]-prices[j],所以我最初的做法是O(n*n*k),超时。
下面我把方程换一种写法:
dp[t][i]=max(dp[t-1][j]-prices[j])+prices[i-1];
每次计算dp[t][i],我需要得到max(dp[t-1][j]-prices[j])(j=0,1,2...i-1)那假如在枚举i的时候我知道了max(dp[t-1][j]-prices[j])(j=0,1,2...i-2)的值,那么我只要和dp[t-1][j-1]-prices[j-1]来个比较,取较大值就可以得到
max(dp[t-1][j]-prices[j])(j=0,1,2...i-1),这启发我们用一个数存下这个式子,然后随着i每次更新即可。
另外再提一点的是,不要漏下状态,计算dp[t][i]的时候,他至少能等于dp[t][i-1],而我们的状态转移方程,是不会由这个状态转移过来的,因为一次交易需要选择两次价格。
最后利用滚动数组,可以将空间优化成O(n),关于滚动数组,这里就不多说了。
下面是代码:
这里就稍微再提一下第一问和第二问,第一问已经有了一个dp的思想,答案是max(prices[i]-min(prices[j]))其中,j从0取到i-1,乍一看需要O(n*n)的复杂度,但是通过用一个数保存前i个price中最小的那个price就可以降复杂度到O(n)。第二问可以买卖无限次,那么通过贪心解决,只要看到相邻的两次价格,后者比前者高,那么就加上这个利润。第二问的代码等下第四问也会涉及。
到了第三问,最多可以交易2次,我曾经做过一道最大2段子序列和的题目,就是给定一串数,让你找到2段连续的数(其实1段也可以看做2段),使这两段连续数的和最大,这题有O(n)的做法,就是枚举中间的界。由此我想到第三问的做法,其实和第一问很像,就是对于任意前i个数,我能得到最大利润(按照第一问的做法即可),对于任意后n-i个数,我通过倒着计算,也能得到最大利润(类似第一问的做法),然后我枚举这个i,取一个max,就是答案,复杂度就是O(n),代码如下:
class Solution { public: int maxProfit(vector<int> &prices) { int n=prices.size(); if(n==0) return 0; int min,max; vector<int>dp1; vector<int>dp2; int i,j; for(i=0;i<n;i++) { dp1.push_back(0); dp2.push_back(0); } min=prices[0]; max=prices[n-1]; dp1[0]=0; dp2[0]=0; for(i=1;i<n;i++) { if(prices[i]<min) min=prices[i]; dp1[i]=prices[i]-min; if(dp1[i]<dp1[i-1]) dp1[i]=dp1[i-1]; } for(i=n-2;i>=0;i--) { if(prices[i]>max) max=prices[i]; dp2[n-i-1]=max-prices[i]; if(dp2[n-i-1]<dp2[n-i-2]) dp2[n-i-1]=dp2[n-i-2]; } int ans=0; for(i=0;i<n;i++) { if(ans<dp1[i]+dp2[n-i-1]) ans=dp1[i]+dp2[n-i-1]; } return ans; } };
min和max分别表示前i个数中的最小price和后i个数中的最大prices,dp1[i]表示前i个prices能获得的最大利润,dp2[i]表示后i个prices能获得的最大利润,答案就是max(dp1[i]+dp2[n-i-1]);
最难的第四问,第四问的状态转移方程还是好写的,dp[t][i]表示前i个价格最多使用t次获得的最大利润,有:
dp[t][i]=max(dp[t-1][j]+prices[i-1]-prices[j])
这里注意一点,dp的i从1开始取,但是i=0也是一个初始状态,而prices从0开始取,所以原本的prices[i]-prices[j+1]变成了prices[i-1]-prices[j],显然最后的答案是dp[k]
,我们要计算出dp这个数组最起码需要O(n*k)的时间复杂度,但是每次计算dp[t][i]我还需要枚举j,取得最大dp[t-1][j]+prices[i-1]-prices[j],所以我最初的做法是O(n*n*k),超时。
下面我把方程换一种写法:
dp[t][i]=max(dp[t-1][j]-prices[j])+prices[i-1];
每次计算dp[t][i],我需要得到max(dp[t-1][j]-prices[j])(j=0,1,2...i-1)那假如在枚举i的时候我知道了max(dp[t-1][j]-prices[j])(j=0,1,2...i-2)的值,那么我只要和dp[t-1][j-1]-prices[j-1]来个比较,取较大值就可以得到
max(dp[t-1][j]-prices[j])(j=0,1,2...i-1),这启发我们用一个数存下这个式子,然后随着i每次更新即可。
另外再提一点的是,不要漏下状态,计算dp[t][i]的时候,他至少能等于dp[t][i-1],而我们的状态转移方程,是不会由这个状态转移过来的,因为一次交易需要选择两次价格。
最后利用滚动数组,可以将空间优化成O(n),关于滚动数组,这里就不多说了。
下面是代码:
int dp[2][10001]; class Solution { public: int maxProfit(int k, vector<int> &prices) { int n = prices.size(); if(n==0) return 0; if (k > n / 2) { int sum = 0; for (int i = 1; i < n; i++){ if (prices[i] > prices[i - 1]){ sum += prices[i] - prices[i - 1]; } } return sum; } memset(dp, 0, sizeof(dp)); for (int t = 1; t <= k; t++){ int tmp = dp[(t-1)%2][0]-prices[0]; dp[t%2][0] = 0; dp[t%2][1] = 0; for (int i = 2; i <= n; i++){ dp[t%2][i] = dp[t%2][i - 1]; if (dp[t%2][i] < tmp + prices[i-1]) dp[t%2][i] = tmp + prices[i-1]; if (tmp < dp[(t - 1)%2][i-1] - prices[i-1 ]) tmp = dp[(t - 1)%2][i-1] - prices[i-1 ]; } } return dp[k%2] ; } };测试数据里应该有k很大的数据,针对这样的情况,就是用问题2的代码快速解决它。
相关文章推荐
- LeetCode : Best Time to Buy and Sell Stock III & IV
- LeetCode之“动态规划”:Best Time to Buy and Sell Stock I && II && III && IV
- [Leetcode] #121#122#123#188 Best Time to Buy and Sell Stock I & II & III & IV
- LeetCode - Best Time to Buy and Sell Stock I && II && III && IV
- [Leetcode] Best Time to Buy and Sell Stock I,II,III,IV
- LeetCode:Best Time to Buy and Sell Stock I & II & III
- leetcode Best Time to Buy and Sell Stock I&&II&&III
- leetcode笔记--Best Time to Buy and Sell Stock系列(I,II, III, IV)
- 【LeetCode】Best Time to Buy and Sell Stock I && II && III
- [LeetCODE] Best Time to Buy and Sell Stock I II III IV V
- leetcode(121)(122)(123)(188) Best Time to Buy and Sell Stock I/II/III/IV JAVA代码
- leetcode之Best Time to Buy and Sell Stock && II && III
- 【leetcode】Best Time to Buy and Sell Stock I && II && III
- 【LeetCode】 Best Time to Buy and Sell Stock I II III IV 解题报告
- 【leetcode】Best Time to Buy and Sell Stock I&II&III
- leetcode_[python/C++]_121/122/123/188.Best Time to Buy and Sell Stock I/II/III/IV
- LeetCode-Best Time to Buy and Sell Stock I II III IV
- 【LeetCode】 best-time-to-buy-and-sell-stock-i ii iii iv
- [LeetCode] Best Time to Buy and Sell Stock I II III IV
- leetcode day6 -- String to Integer (atoi) && Best Time to Buy and Sell Stock I II III