Skip to content

Commit

Permalink
动态规划-股票问题总结篇:修改买卖股票的最佳时机IV的动规五部曲步骤2递推公式错误,优化排版,笔误
Browse files Browse the repository at this point in the history
  • Loading branch information
gaoyangu committed Dec 25, 2021
1 parent fab5c02 commit e85e9e7
Showing 1 changed file with 6 additions and 4 deletions.
10 changes: 6 additions & 4 deletions problems/动态规划-股票问题总结篇.md
Original file line number Diff line number Diff line change
Expand Up @@ -173,6 +173,7 @@ public:
【动态规划】
一天一共就有五个状态,
0. 没有操作
1. 第一次买入
2. 第一次卖出
Expand All @@ -199,6 +200,7 @@ dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);
同理可推出剩下状态部分:
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
代码如下:
Expand Down Expand Up @@ -279,14 +281,14 @@ j的状态表示为:
* 操作一:第i天买入股票了,那么dp[i][1] = dp[i - 1][0] - prices[i]
* 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][0]);
dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
同理dp[i][2]也有两个操作:
* 操作一:第i天卖出股票了,那么dp[i][2] = dp[i - 1][1] + prices[i]
* 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i][2] = dp[i - 1][2]
dp[i][2] = max(dp[i - 1][i] + prices[i], dp[i][2])
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可以类比剩下的状态,代码如下:
Expand Down Expand Up @@ -320,7 +322,7 @@ public:
};
```

当然有的解法是定义一个三维数组dp[i][j][k],第i天,第j次买卖,k表示买还是卖的状态,从定义上来讲是比较直观。但感觉三维数组操作起来有些麻烦,直接用二维数组来模拟三位数组的情况,代码看起来也清爽一些。
当然有的解法是定义一个三维数组dp[i][j][k],第i天,第j次买卖,k表示买还是卖的状态,从定义上来讲是比较直观。但感觉三维数组操作起来有些麻烦,直接用二维数组来模拟三维数组的情况,代码看起来也清爽一些。

## 最佳买卖股票时机含冷冻期

Expand Down Expand Up @@ -462,7 +464,7 @@ public:

至此,股票系列正式剧终,全部讲解完毕!

从买买一次到买卖多次,从最多买卖两次到最多买卖k次,从冷冻期再到手续费,最后再来一个股票大总结,可以说对股票系列完美收官了。
从买卖一次到买卖多次,从最多买卖两次到最多买卖k次,从冷冻期再到手续费,最后再来一个股票大总结,可以说对股票系列完美收官了。

「代码随想录」值得推荐给身边每一位学习算法的朋友同学们,关注后都会发现相见恨晚!

Expand Down

0 comments on commit e85e9e7

Please sign in to comment.