当前位置: 首页 > news >正文

leetcode 股票问题全序列

1 只允许一次交易,121题,买卖股票的最佳时机

class Solution {/*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。
你只能选择 某一天 买入这只股票,并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润,返回 0 。*/
public:int maxProfit(vector<int>& prices) {if(prices.size()<2){return 0;}int maxP=0x80000000;int minPrice=prices[0];for(int i=1;i<prices.size();i++){if(minPrice>prices[i]){minPrice=prices[i];}maxP=max(maxP,prices[i]-minPrice);}return maxP;}
};

2 可以交易多次,122题, 买卖股票的最佳时机2

class Solution {/*题目:给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
题解:
贪心
因为不限制交易次数,只要今天价格比昨天高,就交易,利润为正累加,最后的和就是最大的利润*/
public:int maxProfit(vector<int>& prices) {if(prices.size()<2){return 0;}int res=0;for(int i=0;i<prices.size()-1;i++){if(prices[i+1]>prices[i]){res+=(prices[i+1]-prices[i]);}}return res;}
};

3 最多2次交易,123题, 买卖股票的最佳时机3

class Solution {/*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。你最多可以完成 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之前的股票)。题解:动态规划:dp[i][j] 中 i 表示第 i 天,j为 [0−4]五个状态,dp[i][j]表示第i天状态j所得最大现金j=0无操作 =1第一次买入,=2第一次卖出,=3第二次买入,=4第二次卖出|buy|buy|sell|sell|sell|buy|buy||---|---|----|----|----|---|---||    |当天第一次 保持卖出*/
public:int maxProfit(vector<int>& prices) {if(prices.size()<1){return 0;}// dp[i][j]表示第i天状态j所得最大现金vector<vector<int>>dp(prices.size(),vector<int>(5,0));// initdp[0][0]=0;dp[0][1]=-prices[0];dp[0][2]=0;//第一天就卖出 相当于第一次买入后又卖出了dp[0][3]=-prices[0];// 第二次买入依赖于第一次卖出的状态,其实相当于第0天第一次买入了,第一次卖出了,// 然后再买入一次(第二次买入),那么现在手头上没有现金,只要买入,现金就做相应的减少dp[0][4]=0;for(int i=1;i<prices.size();i++){// 1. 第i天无操作,则之前也是没有操作dp[i][0]=dp[i-1][0];// 2. 第i天第一次买入dp[i][1]=max(dp[i-1][1],//前一天买入,当天保持dp[i-1][0]-prices[i]//当天买入,前一天还是没有操作);// 3. 第i天第一次卖出dp[i][2]=max(dp[i-1][2],//前一天卖出,当天保持dp[i-1][1]+prices[i]//当天第一次卖出,前一天还是第一次买入);// 4. 第i天第二次买入dp[i][3]=max(dp[i-1][3],//前一天买入,当天保持dp[i-1][2]-prices[i]//当天买入,前一天还是第一次卖出);// 5. 第i天第二次卖出dp[i][4]=max(dp[i-1][4],//前一天卖出,当天保持dp[i-1][3]+prices[i]//当天第二次卖出,前一天还是第二次买入);}return dp[prices.size()-1][4];}
};

4. 最多k次交易,188题,买卖股票的最佳时间4

class Solution {/*题目:给你一个整数数组 prices 和一个整数 k ,其中 prices[i] 是某支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。也就是说,你最多可以买 k 次,卖 k 次。题解:定义一个三维数组dp[n][k][2]这里n表示天数,dp[i][j][0]:表示第i天交易了j次时卖出后的累计最大利润dp[i][j][1]:表示第i天交易了j次时买入后的累计最大利润1. 第一次买入:要么前一天买入后保持,要么从初始态第一次买入dp[i][0][1]=max(dp[i-1][0][1],dp[i-1][0][0]-prices[i])第一次卖出(注意已经完成一次交易这里j=1):要么前一天卖出后保持,要么从前一天第一次买入后,当天卖出dp[i][1][0]=max(dp[i-1][1][0],dp[i-1][0][1]+prices[i])2. 第二次买入:要么前一天买入后保持,要么从前一天第一次卖出后当天第二次买入dp[i][1][1]=max(dp[i-1][1][1],dp[i-1][1][0]-prices[i])第二次卖出(注意已经完成一次交易这里j=2):要么前一天卖出后保持,要么从前一天第二次买入后,当天卖出dp[i][2][0]=max(dp[i-1][2][0],dp[i-1][1][1]+prices[i])...j. 第j次买入:要么前一天买入后保持,要么从前一天第j-1次卖出后当天第二次买入dp[i][j-1][1]=max(dp[i-1][j-1][1],dp[i-1][j-1][0]-prices[i])第二次卖出(注意已经完成一次交易这里j=j):要么前一天卖出后保持,要么从前一天第j次买入后,当天卖出dp[i][j][0]=max(dp[i-1][j][0],dp[i-1][j-1][1]+prices[i])initfor(int i = 0; i <= k; ++i) {dp[0][i][0] = 0;// 第一天,不管交易多少次,卖出都是0收入dp[0][i][1] = -prices[0]; // 第一天,不管交易多少次,买入的收入是-prices[0]}三维数组太高了进行压缩,从上面DP公式可以知道,可以去掉天数纬度,用二维数组dp[k][2]来表示则有:dp[j-1][1]=max(dp[j-1][1],dp[j-1][0]-prices[i])dp[j][0]=max(dp[j][0],dp[j-1][1]+prices[i])*/
public:int maxProfit122(vector<int>&prices){// 不限制次数的交易if(prices.size()<2){return 0;}int res=0;for(int i=0;i<prices.size()-1;i++){if(prices[i+1]>prices[i]){res+=prices[i+1]-prices[i];}}return res;}int maxProfit(int k, vector<int>& prices) {int n=prices.size();if(k>=n){// 类似122题,不限制次数的交易return maxProfit122(prices);}// dp[j][z]交易第j次z=0时候卖出后的收益,// dp[j][z]交易第j次z=1时候买入后的收益vector<vector<int>>dp(k+1,vector<int>(2,0));// init 根据三维降级而得,第一天for(int i=0;i<k;i++){dp[i][0]=0;//第一天无论交易多少次,卖出后的收益都是0dp[i][1]=-prices[0];//第一天无论交易多少次,买入后的收益都是-price[0]}for(int i=1;i<prices.size();i++){for(int j=1;j<=k;j++){dp[j-1][1]=max(dp[j-1][1],dp[j-1][0]-prices[i]);dp[j][0]=max(dp[j][0],dp[j-1][1]+prices[i]);}}return dp[k][0];}
};

相关文章:

leetcode 股票问题全序列

1 只允许一次交易&#xff0c;121题&#xff0c;买卖股票的最佳时机 class Solution {/*给定一个数组 prices &#xff0c;它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票&#xff0c;并选择在 未来的某一个不同的日子 卖出该股票…...

SpringBoot中日志的使用log4j2

SpringBoot中日志的使用log4j2 1、log4j2介绍 Apache Log4j2 是对 Log4j 的升级&#xff0c;它比其前身 Log4j 1.x 提供了重大改进&#xff0c;并提供了 Logback 中可用的许多改 进&#xff0c;同时修复了 Logback 架构中的一些问题&#xff0c;主要有&#xff1a; 异常处理…...

机械设备企业网站建设的效果如何

机械设备涵盖的类目比较广&#xff0c;其市场需求也是稳增不减&#xff0c;也因此无论大小企业都有增长的机会&#xff0c;当然这也需要靠谱的工具及正确的决策。 对机械设备企业来说&#xff0c;产品品质自然是首位&#xff0c;而向外打造品牌、扩展信息及拓客转化自然也是非…...

设计模式之结构型设计模式(二):工厂模式 抽象工厂模式 建造者模式

工厂模式 Factory 1、什么是工厂模式 工厂模式旨在提供一种统一的接口来创建对象&#xff0c;而将具体的对象实例化的过程延迟到子类或者具体实现中。有助于降低客户端代码与被创建对象之间的耦合度&#xff0c;提高代码的灵活性和可维护性。 定义了一个创建对象的接口&…...

算法模板之单链表图文讲解

&#x1f308;个人主页&#xff1a;聆风吟 &#x1f525;系列专栏&#xff1a;算法模板、数据结构 &#x1f516;少年有梦不应止于心动&#xff0c;更要付诸行动。 文章目录 &#x1f4cb;前言一. ⛳️使用数组模拟单链表讲解1.1 &#x1f514;为什么我们要使用数组去模拟单链表…...

【强化学习-读书笔记】表格型问题的 Model-Free 方法

参考 Reinforcement Learning, Second Edition An Introduction By Richard S. Sutton and Andrew G. Barto无模型方法 在前面的文章中&#xff0c;我们介绍的是有模型方法&#xff08;Model-Based&#xff09;。在强化学习中&#xff0c;"Model"可以理解为算法…...

【手撕算法系列】k-means

k-means k-means算法介绍 k-means算法介绍 K-means算法是一种用于聚类的迭代算法&#xff0c;它将数据集划分为K个簇&#xff0c;其中每个数据点属于与其最近的簇的中心。这个算法的目标是最小化簇内的平方和误差&#xff08;簇内数据点与簇中心的距离的平方和&#xff09;。 …...

D33|动态规划!启程!

1.动态规划五部曲&#xff1a; 1&#xff09;确定dp数组&#xff08;dp table&#xff09;以及下标的含义 2&#xff09;确定递推公式 3&#xff09;dp数组如何初始化 4&#xff09;确定遍历顺序 5&#xff09;举例推导dp数组 2.动态规划应该如何debug 找问题的最好方式就是把…...

C语言----文件操作(二)

在上一篇文章中我们简单介绍了在C语言中文件是什么以及文件的打开和关闭操作&#xff0c;在实际工作中&#xff0c;我们不仅仅是要打开和关闭文件&#xff0c;二是需要对文件进行增删改写。本文将详细介绍如果对文件进行安全读写。 一&#xff0c;以字符形式读写文件&#xff…...

oracle 10046事件跟踪

10046事件是一个很好的排查sql语句执行缓慢的内部事件&#xff0c;具体设置方式如下&#xff1a; 根据10046事件跟踪SQL语句 1、 alter session set events 10046 trace name context forever,level 12; 2、执行SQL语句 3、关闭10046事件 alter session set events 10046 trace…...

微软自带浏览器Edge,无法关闭“保存历史记录网站的屏幕截图”解决方案

微软自带浏览器Edge&#xff0c;无法关闭“保存历史记录网站的屏幕截图”解决方案 吐槽1&#xff1a;Windows自带的Chrome内核版本的浏览器Microsofg Edge刚发布时可谓一股清流&#xff0c;启动速度快&#xff0c;占用内存较小&#xff0c;相信很多人也开始抛弃正代Chrome&…...

讲座 | 颠覆传统摄像方式乃至计算机视觉的“脉冲视觉”

传统相机拍摄视频时其实是以一定帧率进行采样&#xff0c;视频其实还是一串图片的集合&#xff0c;因此低帧率时会觉得视频卡&#xff0c;拍摄高速运动物体时会有运动模糊等等问题。然而你能想象这一切都可以被“脉冲视觉”这一前沿技术改变吗&#xff1f; 今天下午听了北京大学…...

uniGUI学习之UniHTMLMemo1富文本编辑器

1]系统自带的富文本编辑器 2]jQueryBootstarp富文本编辑器插件summernote.js 1]系统自带的富文本编辑器 1、末尾增加<p> 2、增加字体 3、解决滚屏问题 4、输入长度限制问题 5、显示 并 编辑 HTML源代码(主要是图片处理) 1、末尾增加<p> UniHTMLMemo1.Lines…...

详细教程 - 从零开发 鸿蒙harmonyOS应用 第四节 (鸿蒙Stage模型 登录页面 ArkTS版 推荐使用)

在鸿蒙OS中&#xff0c;Ability是应用程序提供的抽象功能&#xff0c;可以理解为一种功能。在应用程序中&#xff0c;一个页面即一种能力&#xff0c;如登录页面&#xff0c;即具有登录功能的能力。以下是对鸿蒙新建项目的登录代码功能的详细解读和工作流程的描述&#xff1a; …...

uniapp怎么实现授权登录

在Uniapp中实现授权登录通常涉及以下几个步骤&#xff1a; 创建登录按钮&#xff1a;在页面中创建一个按钮&#xff0c;用于触发登录操作。 获取用户授权&#xff1a;当用户点击登录按钮时&#xff0c;调用uni.login或uni.getUserInfo等API获取用户授权。 处理授权回调&#…...

从零开始:前端架构师的基础建设和架构设计之路

文章目录 一、引言二、前端架构师的职责三、基础建设四、架构设计思想五、总结《前端架构师&#xff1a;基础建设与架构设计思想》编辑推荐内容简介作者简介目录获取方式 一、引言 在现代软件开发中&#xff0c;前端开发已经成为了一个不可或缺的部分。随着互联网的普及和移动…...

椋鸟C语言笔记#26:数据在内存中的存储(大小端字节序)、浮点数的存储(IEEE754)

萌新的学习笔记&#xff0c;写错了恳请斧正。 目录 大小端字节序 什么是大小端 写一个判断大小端的程序 浮点数在内存中的存储&#xff08;IEEE 754规则&#xff09; 引入 存储规则解释 读取规则解释 1.阶码不全为0或全为1&#xff08;规格化数&#xff09; 2.阶码全为…...

设计模式——组合模式(结构型)

引言 组合模式是一种结构型设计模式&#xff0c; 你可以使用它将对象组合成树状结构&#xff0c; 并且能像使用独立对象一样使用它们。 问题 如果应用的核心模型能用树状结构表示&#xff0c; 在应用中使用组合模式才有价值。 例如&#xff0c; 你有两类对象&#xff1a; ​…...

鸿蒙小车之多任务调度实验

说到鸿蒙我们都会想到华为mate60&#xff1a;遥遥领先&#xff01;我们一直领先&#xff01; 我们这个小车也是采用的是鸿蒙操作系统&#xff0c;学习鸿蒙小车&#xff0c;让你遥遥领先于你的同学。 文章目录 前言一、什么是任务&#xff1f;为什么要有任务二、任务的状态三、任…...

【报错栏】(vue)Module not found: Error: Can‘t resolve ‘element-ui‘ in xxx

Module not found: Error: Cant resolve element-ui in xxx 报错原因是&#xff1a; 未安装 element-ui 依赖 解决&#xff1a; npm install element-ui 运行...

【Linux】shell脚本忽略错误继续执行

在 shell 脚本中&#xff0c;可以使用 set -e 命令来设置脚本在遇到错误时退出执行。如果你希望脚本忽略错误并继续执行&#xff0c;可以在脚本开头添加 set e 命令来取消该设置。 举例1 #!/bin/bash# 取消 set -e 的设置 set e# 执行命令&#xff0c;并忽略错误 rm somefile…...

应用升级/灾备测试时使用guarantee 闪回点迅速回退

1.场景 应用要升级,当升级失败时,数据库回退到升级前. 要测试系统,测试完成后,数据库要回退到测试前。 相对于RMAN恢复需要很长时间&#xff0c; 数据库闪回只需要几分钟。 2.技术实现 数据库设置 2个db_recovery参数 创建guarantee闪回点&#xff0c;不需要开启数据库闪回。…...

基于FPGA的PID算法学习———实现PID比例控制算法

基于FPGA的PID算法学习 前言一、PID算法分析二、PID仿真分析1. PID代码2.PI代码3.P代码4.顶层5.测试文件6.仿真波形 总结 前言 学习内容&#xff1a;参考网站&#xff1a; PID算法控制 PID即&#xff1a;Proportional&#xff08;比例&#xff09;、Integral&#xff08;积分&…...

大话软工笔记—需求分析概述

需求分析&#xff0c;就是要对需求调研收集到的资料信息逐个地进行拆分、研究&#xff0c;从大量的不确定“需求”中确定出哪些需求最终要转换为确定的“功能需求”。 需求分析的作用非常重要&#xff0c;后续设计的依据主要来自于需求分析的成果&#xff0c;包括: 项目的目的…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别

一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

PHP和Node.js哪个更爽?

先说结论&#xff0c;rust完胜。 php&#xff1a;laravel&#xff0c;swoole&#xff0c;webman&#xff0c;最开始在苏宁的时候写了几年php&#xff0c;当时觉得php真的是世界上最好的语言&#xff0c;因为当初活在舒适圈里&#xff0c;不愿意跳出来&#xff0c;就好比当初活在…...

python/java环境配置

环境变量放一起 python&#xff1a; 1.首先下载Python Python下载地址&#xff1a;Download Python | Python.org downloads ---windows -- 64 2.安装Python 下面两个&#xff0c;然后自定义&#xff0c;全选 可以把前4个选上 3.环境配置 1&#xff09;搜高级系统设置 2…...

ESP32读取DHT11温湿度数据

芯片&#xff1a;ESP32 环境&#xff1a;Arduino 一、安装DHT11传感器库 红框的库&#xff0c;别安装错了 二、代码 注意&#xff0c;DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...

现代密码学 | 椭圆曲线密码学—附py代码

Elliptic Curve Cryptography 椭圆曲线密码学&#xff08;ECC&#xff09;是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础&#xff0c;例如椭圆曲线数字签…...

精益数据分析(97/126):邮件营销与用户参与度的关键指标优化指南

精益数据分析&#xff08;97/126&#xff09;&#xff1a;邮件营销与用户参与度的关键指标优化指南 在数字化营销时代&#xff0c;邮件列表效度、用户参与度和网站性能等指标往往决定着创业公司的增长成败。今天&#xff0c;我们将深入解析邮件打开率、网站可用性、页面参与时…...