题目
题目来源:力扣(LeetCode)
给定一个整数数组 prices,其中第 i 个元素代表了第 i 天的股票价格 ;整数 fee 代表了交易股票的手续费用。
你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。
返回获得利润的最大值。
注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
示例 1:
输入:prices = [1, 3, 2, 8, 4, 9], fee = 2
输出:8
解释:能够达到的最大利润:
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8
示例 2:
输入:prices = [1,3,7,5,10,3], fee = 3
输出:6
思路分析
方法一:动态规划
1、定义状态
由于「不能同时参与多笔交易」,因此每天交易结束后只可能存在两种状态:
- 手里有一支股票
- 手里没有股票
定义二维数组 dp[i][2]
- dp[i][0] 表示第 i 天手里没有股票可获得的最大利润 (i 从 0 开始)
- dp[i][1] 表示第 i 天手里持有一支股票可获得的最大利润 (i 从 0 开始)
2、状态转移方程
- 不持有股票:
dp[i][0] = max(dp[i -1][0], dp[i - 1][1] + prices[i] - fee)
对于今天 (第 i 天) 不持有股票可获得的最大利润,可以从两个状态转移过来:
- 昨天 (第 i - 1天) 也不持有,利润为 dp[i -1][0]
- 昨天 (第 i - 1天) 持有,但今天 (第 i 天) 卖出了, 利润为 dp[i - 1][1] + prices[i] - fee
两者取较大值
- 持有股票:dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i])
对于今天持有股票可获取的最大利润,可以从两个状态转移过来:
- 昨天也持有,利润为 dp[i - 1][1]
- 昨天不持有,但今天买入了,利润为 dp[i - 1][0] - prices[i]
两者取较大值
3、状态初始值
对于第 0 天:
- 不持有股票,可获得利润为 0,即 dp[0][0] = 0
- 持有股票 (即花了 prices[0] 的钱买入,那么利润为负),即 dp[0][1] = -prices[0]
4、确定输出值
我们只要从前往后依次计算状态即可。由于全部交易结束后,持有股票的收益一定低于不持有股票的收益,因此这时候 dp[n - 1][0] 的收益必然是大于 dp[n - 1][1] 的,最后的答案即为 dp[n - 1][0]。
代码实现
/**
* @param {number[]} prices
* @param {number} fee
* @return {number}
*/
var maxProfit = function(prices, fee) {
const n = prices.length;
// 定义二维数组
const dp = new Array(n).fill(0).map(v => new Array(2).fill(0));
// 第 0 天不持有股票的利润
dp[0][0] = 0;
// 第 0 天持有股票的利润
dp[0][1] = -prices[0];
for (let i = 1; i < n; ++i) {
// 不持有股票可获得的最大利润,卖出股票需要手续费fee
dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);
// 持有股票可获得的最大利润
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
}
// 部交易结束后,持有股票的收益一定低于不持有股票的收益,
// 因此这时候 dp[n - 1][0] 的收益必然是大于 dp[n - 1][1] 的,
// 最后的答案即为 dp[n - 1][0]
return dp[n - 1][0];
};
空间优化
在上面的状态转移方程中,每一天的状态只与前一天的状态有关,而与更早的状态都无关,因此我们不必存储这些无关的状态,只需要将 dp[i - 1][0] 和 dp[i - 1][1] 存放在两个变量中,通过它们计算出 dp[i][0] 和 dp[i][1] 并存回对应的变量,以便于第 i + 1天的状态转移即可。
/**
* @param {number[]} prices
* @param {number} fee
* @return {number}
*/
var maxProfit = function (prices, fee) {
const n = prices.length;
// sell 不持有股票可获得的利润
// buy 持有股票可获得的利润
let [sell, buy] = [0, -prices[0]];
for (let i = 1; i < n; i++) {
// Math.max(sell, buy + prices[i] - fee) 不持有股票可获得的最大利润,卖出股票需要手续费fee
// Math.max(buy, sell - prices[i]) 持有股票可获得的最大利润
[sell, buy] = [Math.max(sell, buy + prices[i] - fee), Math.max(buy, sell - prices[i])]
}
// 部交易结束后,持有股票的收益一定低于不持有股票的收益,
// 因此这时候 dp[n - 1][0] 的收益必然是大于 dp[n - 1][1] 的,
// 最后的答案即为 dp[n - 1][0]
return sell;
};
方法二:贪心思想
在方法一中,我们将手续费放在卖出时进行计算。如果我们换一个角度考虑,将手续费放在买入时进行计算,那么就可以得到一种基于贪心的方法。
在「买卖股票的最佳时机 II」中,由于没有手续费,我们的策略是所有上涨交易日都买卖(赚到所有利润),所有下降交易日都不买卖(永不亏钱)。但是本题中由于有手续费,我们就要考虑什么时候买卖了,因为计算所获得利润,需要考虑买卖利润可能不足以手续费的情况。
我们用 buy 表示在最大化收益的前提下,如果我们手上拥有一支股票,那么它的最低买入价格是多少。在初始时,buy 的值为 prices[0] 加上手续费 fee。
遍历股票交易日价格列表,当我们遍历到第 i (i > 0) 天时,考虑三种情况:
如果当前的股票价格prices[i] 加上手续费fee 小于 手上股票的买入价格buy,我们与其使用 buy 的价格购买股票,不如以更低的价格 prices[i] + fee 的价格买入股票,因此我们将 buy 更新为 prices[i] + fee ;
如果当前的股票价格prices[i] 大于我们手上股票的买入价格buy,那么我们应该卖出股票并获取 prices[i] - buy 的利润。但实际上,我们此时卖出股票可能并不是全局最优的(例如下一天股票价格继续上升),因此我们可以提供一个反悔操作,看成当前手上拥有一支买入价格为 prices[i] 的股票,将 手上股票的价格buy 更新为 prices[i]。这样一来,如果下一天股票价格继续上升,我们会获得 prices[i + 1] - prices[i] 的收益,加上这一天 prices[i] - buy 的收益,恰好就等于在这一天不进行任何操作,而在下一天卖出股票的收益;
对于其余的情况,当前股票价格prices[i] 落在区间 [buy - fee, buy] 内,它的价格没有低到我们放弃手上的股票去选择它,也没有高到我们可以通过卖出获得收益,因此我们不进行任何操作 (不买不卖)。
代码实现
/**
* @param {number[]} prices
* @param {number} fee
* @return {number}
*/
var maxProfit = function (prices, fee) {
const n = prices.length;
// buy 表示在最大化收益的前提下,如果我们手上拥有一支股票,它的最低买入价格
let buy = prices[0] + fee;
// 利润
let profit = 0;
for (let i = 1; i < n; i++) {
// 当前的股票价格prices[i] 加上手续费fee < 手上股票的买入价格buy
// 将 buy 更新为 prices[i] + fee
// 相当于是以 prices[i] + fee 的价格买入股票
if (prices[i] + fee < buy) {
buy = prices[i] + fee;
} else if (prices[i] > buy) {
// 当前的股票价格 prices[i] 大于 手上股票的买入价格buy
// 直接卖出股票并且获得 prices[i] − buy 的收益
profit += prices[i] - buy;
// 实际上,我们此时卖出股票可能并不是全局最优的(例如下一天股票价格继续上升),
// 因此我们可以提供一个反悔操作,看成当前手上拥有一支买入价格为 prices[i] 的股票,将 buy 更新为 prices[i]
buy = prices[i];
}
}
// 在遍历完整个数组 prices 之后,得到最大的总收益
return profit;
};
参考阅读 https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/solution/mai-mai-gu-piao-de-zui-jia-shi-ji-han-sh-rzlz/ https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/solution/jian-dan-dpmiao-dong-gu-piao-mai-mai-by-tejdo/ https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-transaction-fee/solution/dong-tai-gui-hua-by-liweiwei1419-6/