关于数据结构与算法:分享一个简单但挺有意思的算法题2贪心单调栈动态规划

44次阅读

共计 2272 个字符，预计需要花费 6 分钟才能阅读完成。

LeetCode 122. 交易股票的最佳时机 II

在每一天，你能够决定是否购买和 / 或发售股票。你在任何时候最多只能持有一股股票。你也能够先购买，而后在同一天发售。返回你能取得的最大利润。

示例：

* 输出：prices = [7,1,5,3,6,4]

输入：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, 这笔交易所能取得利润 = 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, 这笔交易所能取得利润 = 6 – 3 = 3。
总利润为 4 + 3 = 7。*

这道题常见且并不难，有意思的是解法也十分多，尤其适宜入门级别的枯燥栈和动静布局

这是最容易想到的解法，因为交易次数不受限，只须要在股价的每个上坡底部买入，坡顶卖出，则肯定是利益最大化的

function maxProfit(prices){
        let ans = 0;
    for (let i = 0; i < prices.length - 1; i++) {if (prices[i + 1] > prices[i]) {// 在上坡过程中，【每天都交易】和【底部买入，坡顶卖出】是齐全等效的(疏忽手续费)
                ans += (prices[i + 1] - prices[i]);
            }
    }
    return ans
}

枯燥栈顾名思义是枯燥递增 / 减的一种栈构造，股价的上坡在数据结构上的示意，其实就是一个递增的枯燥栈，咱们只有顺次找到所有的上坡，此时栈顶减去栈底，则是单次上坡的最大利润

function maxProfit(prices){
        // 这里只开端 + 0 就够了
        prices.push(0) // 前后 +0，是枯燥栈很常见的解决措施，确保起止元素肯定能造成首个坡，终止末个的坡
        let ans = 0
        let stack = []
        
    for (let i = 0; i < prices.length; i++) {//stack[stack.length - 1] 枯燥栈栈顶，即本次上坡最大值
            if(stack.length > 0 && prices[i] < stack[stack.length - 1]){
                // 栈顶
                let top    = stack[stack.length - 1]
                // 栈底
                let bottom = stack[0]
                ans += top - bottom
                stack = []// 清栈}
            stack.push(prices[i])
    }
    return ans
}

这里次要讲枯燥栈，所以保留了栈构造，理论本题比较简单，只需记录栈顶栈底即可
简化后:

function maxProfit(prices){prices.push(0)
        let ans    = 0
        let top    = prices[0]
        let bottom = prices[0]
        
    for (let i = 0; i < prices.length; i++) {if(prices[i] >= top){top = prices[i]
            }else{
                ans += top - bottom
                top = bottom = prices[i]
            }
    }
    return ans
}

本题是枯燥栈最根底的利用，简单点的比方接雨水，柱状图中最大的矩形，都是枯燥栈的利用场景，总之，枯燥栈是一个弱小乏味的数据结构。

不难得出每日只有持仓空仓两种状态：

对于今日持仓状态，明天账号的最大余额为【昨日持仓】和【昨日空仓 – 今日股价】(买入所以扣钱)中的较大值

对于今日空仓状态，明天账号的最大余额为【昨日空仓】和【昨日持仓 + 今日股价】(卖出所以加钱)中的较大值

最初一天平仓，即空仓状态下账号余额就是最大收益
失去状态转移方程：

$$ 对于持仓状态 f(i)_持 = max(f(i-1)_持, + f(i-1)_空 – price[i] )$$

$$ 对于空仓状态 f(i)_空 = max(f(i-1)_空, + f(i-1)_持 + price[i] )$$

function maxProfit(prices){
        // 最初始的状态
        let dp = []
        dp.push(
            {'positon':      -prices[0],// 持仓
                'short_positon':0// 空仓
            }
        )        
    for (let i = 1; i < prices.length; i++) {
            let status = {// 本次抉择持仓，则账户最大金额为 max(昨天持仓，昨天空仓 - 今日股价)
                'positon':       Math.max(dp[i-1].positon, dp[i-1].short_positon - prices[i]),
                // 本次抉择空仓，则账户最大金额为 max(昨天空仓，昨天持仓 + 今日股价)
                'short_positon': Math.max(dp[i-1].short_positon, dp[i-1].positon + prices[i])
            }
    }
    return dp[prices.length-1].short_positon
}

因为只用失去昨日的数据，故而不必贮存每日的持仓状态，只须要记录昨天即可，
简化后:

function maxProfit(prices){
        // 最初始的状态
        let positon       = -prices[0] // 持仓
        let short_positon = 0 // 空仓
             
    for (let i = 1; i < prices.length; i++) {let new_positon       = Math.max(positon, short_positon - prices[i])
            let new_short_positon = Math.max(short_positon, positon + prices[i])
            positon               = new_positon
            short_positon         = new_short_positon
    }
    return short_positon
}