浅谈什么是动态规划以及相关的「股票」算法题

电玩女神 2022-02-04 15:25 192阅读 0赞

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

## 动态规划 ##

### 1 概念 ###

**动态规划**算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。在学习动态规划之前需要明确掌握几个重要概念。

**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。

**状态：**状态表示每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中的状况。

**决策：**决策表示当求解过程处于某一阶段的某一状态时，可以根据当前条件作出不同的选择，从而确定下一个阶段的状态，这种选择称为决策。

**策略：**由所有阶段的决策组成的决策序列称为全过程策略，简称策略。

**最优策略：**在所有的策略中，找到代价最小，性能最优的策略，此策略称为最优策略。

**状态转移方程：**状态转移方程是确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。

### 2 使用场景 ###

能采用动态规划求解的问题的一般要具有 3 个性质：

（1）**最优化**：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。子问题的局部最优将导致整个问题的全局最优。换句话说，就是问题的一个最优解中一定包含子问题的一个最优解。

（2）**无后效性**：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关，与其他阶段的状态无关，特别是与未发生的阶段的状态无关。

（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多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）

### 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）确定状态以及状态变量：将问题的不同阶段时期的不同状态描述出来。  
  （3）确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确定决策。  
  （4）寻找边界条件：一般而言，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 ，我们按照 **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，都是给一个输入数组，里面的每个元素表示的是每天的股价，并且你只能持有一支股票（也就是你必须在再次购买前出售掉之前的股票），一般来说有下面几种问法：

*  只能买卖一次
 *  可以买卖无数次
 *  可以买卖 k 次

需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，目前通过率为 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。

如果你最多只允许完成一笔交易（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, 因为卖出价格需要大于买入价格。

**示例 2:**

输入: \[7,6,4,3,1\]  
输出: 0  
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

### 题目解析 ###

我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 ####

对于买来说，买之后可以卖出（进入卖状态），也可以不再进行股票交易（保持买状态）。

对于卖来说，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相当于亏损。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加`prices[i]`，当天卖出总的收益就是 `buy+prices[i]` 。

所以我们只要考虑当天买和之前买哪个收益更高，当天卖和之前卖哪个收益更高。

*  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 即可。

### 代码实现 ###

//程序员小吴  
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++) \{  
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，目前通过率为 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。你可以尽可能地完成更多的交易（多次买卖一支股票）。

**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之前的股票）。

**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, 这笔交易所能获得利润 = 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, 这笔交易所能获得利润 = 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, 这笔交易所能获得利润 = 5-1 = 4 。  
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。  
因为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之前的股票。

**示例 3:**

输入: \[7,6,4,3,1\]  
输出: 0  
解释: 在这种情况下, 没有交易完成, 所以最大利润为 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，这里可以有无限次的买入和卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，所以买入的转移方程需要变化。

*  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 即可。

### 代码实现 ###

//程序员小吴  
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，目前通过率为 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）。

**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，这笔交易所能获得利润 = 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，这笔交易所能获得利润 = 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, 这笔交易所能获得利润 = 5-1 = 4 。   
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。  
因为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之前的股票。

**示例 3:**

输入: \[7,6,4,3,1\]   
输出: 0   
解释: 在这个情况下, 没有交易完成, 所以最大利润为 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 ####

这里可以有两次的买入和卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，所以买入和卖出的转移方程需要变化。

*  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 ###

//程序员小吴  
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;  
  
\}  
\}

**往期热文**

[拜托，面试官别问我「布隆」了][Link 1]

[有点难度，几道和「滑动窗口」有关的算法面试题][Link 2]

**推****荐阅读**

[几道和「二叉树」有关的算法面试题][Link 3]  
[几道和「堆栈、队列」有关的面试算法题][Link 4]

[链表算法面试问题？看我就够了！][Link 5]

[一道看完答案你会觉得很沙雕的「动态规划算法题」][Link 6]

[如何有效的写算法题][Link 7]

来和程序员小吴一起学算法~

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

我就知道你在看！

[640_wx_fmt_jpeg]: /images/20220204/bbebebab1df44777876b05c2a3401be3.png
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247485011&idx=1&sn=a3031a3d3ad033e44439d42d72753e16&chksm=fa0e69d2cd79e0c45b1eb017c65b60662890f67ec70ef44e92ef7f5cddfc313ea6ab353952f4&scene=21#wechat_redirect
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247485197&idx=1&sn=1bbd40d49adb09875fd324664bd5bc8b&chksm=fa0e688ccd79e19a36599b53e4a8acf9a725ace3f6df28925075ff25778238471a283f0f8e1f&scene=21#wechat_redirect
[Link 3]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247484985&idx=1&sn=93343d355abf36c77a361c9931cbe2d1&chksm=fa0e69b8cd79e0ae1e6b57665a456da5f421cc92fe6934337f1eb1e18c3fd6a3c1adc8ca88c2&scene=21#wechat_redirect
[Link 4]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247484846&idx=2&sn=e508da06e9f7a0b3d00db5415d7ce622&chksm=fa0e6a2fcd79e3397fe8083f9493ae639f47c9448ac2a0026026494d098c47ecc6e08f1f8e28&scene=21#wechat_redirect
[Link 5]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247484830&idx=1&sn=9d24fc787da4b49b82ac01c7f8de257b&chksm=fa0e6a1fcd79e309a2e7f3e09ec9913a55f1c077287c907f13528578b7785831a2effb3104e0&scene=21#wechat_redirect
[Link 6]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247484875&idx=1&sn=72cf66da1c970ba345e8b1ab3586c10d&chksm=fa0e6a4acd79e35c32c9201e99cc93a71d0f2a331319addf5303c76ac05738b312ab238a8304&scene=21#wechat_redirect
[Link 7]: http://mp.weixin.qq.com/s?__biz=MzUyNjQxNjYyMg==&mid=2247485214&idx=1&sn=00de6e810caa7e261b8f2e19c3acd9cd&chksm=fa0e689fcd79e189282babbe3a688158b505e7b907971eede501addac9e0bec1e9d1c77ffb78&scene=21#wechat_redirect
[640_wx_fmt_jpeg 1]: /images/20220204/eef078858ecc483794b306b91412e8f3.png