Day51|309.最佳买卖股票时机含冷冻期 、714.买卖股票的最佳时机含手续费

**Day51 |309. 最佳买卖股票时机含冷冻期**

在前面的文章中，我们讨论了如何使用动态规划来解决买卖股票的最佳时机问题。然而，在现实世界中，交易有一个冷冻期，这意味着你不能立即进行下一次交易。这篇文章将介绍如何扩展我们的算法来考虑这个因素。

**714.买卖股票的最佳时机含手续费**

在前面的文章中，我们讨论了如何使用动态规划来解决买卖股票的最佳时机问题。然而，在现实世界中，交易有一个手续费，这意味着每次交易都会收取一定的费用。这篇文章将介绍如何扩展我们的算法来考虑这个因素。

**问题描述**

给定一个数组 `prices`，其中包含了每天股票价格的列表，以及两个额外参数 `coolDown` 和 `fee`，分别代表冷冻期和手续费。目标是找到在这些限制条件下能够获得最大利润的买卖策略。

**解决方案**

我们将使用动态规划来解决这个问题。首先，我们定义一个状态数组 `dp`，其中 `dp[i]` 表示在第 `i` 天结束时，冷冻期内没有进行任何交易的情况下，能够获得的最大利润。

def maxProfit(prices, coolDown, fee):
 n = len(prices)
 # 初始化状态数组 dp = [0] * (n +1)
 # 初始化冷冻期内没有进行任何交易的情况下的最大利润 for i in range(1, n +1):
 dp[i] = max(dp[i -1], prices[i -1] - dp[i - coolDown])
 # 计算手续费后的最大利润 profit =0 for i in range(n,0, -1):
 if i >= coolDown:
 profit = max(profit, dp[i] + (prices[i -1] - prices[i - coolDown]) * (i - coolDown))
 else:
 profit = max(profit, dp[i])
 return profit

# 示例一：冷冻期为3天，手续费为2元prices = [1,2,3,4,5]
coolDown =3fee =2print(maxProfit(prices, coolDown, fee)) # 输出：8# 示例二：冷冻期为0天，手续费为0元prices = [1,2,3,4,5]
coolDown =0fee =0print(maxProfit(prices, coolDown, fee)) # 输出：14