这里我们先解释最多可以进行k次交易的算法,然后最多进行两次我们只需要把k取成2即可。我们还是使用“局部最优和全局最优解法”。我们维护两种量,一个是当前到达第i天可以最多进行j次交易,最好的利润是多少(global[i][j]),另一个是当前到达第i天,最多可进行j次交易,并且最后一次交易在当天卖出的最好的利润是多少(local[i][j])。下面我们来看递推式,全局的比较简单,
global[i][j]=max(local[i][j],global[i-1][j]),
也就是去当前局部最好的,和过往全局最好的中大的那个(因为最后一次交易如果包含当前天一定在局部最好的里面,否则一定在过往全局最优的里面)。对于局部变量的维护,递推式是
local[i][j]=max(global[i-1][j-1]+max(diff,0),local[i-1][j]+diff),
也就是看两个量,第一个是全局到i-1天进行j-1次交易,然后加上今天的交易,如果今天是赚钱的话(也就是前面只要j-1次交易,最后一次交易取当前天),第二个量则是取local第i-1天j次交易,然后加上今天的差值(这里因为local[i-1][j]比如包含第i-1天卖出的交易,所以现在变成第i天卖出,并不会增加交易次数,而且这里无论diff是不是大于0都一定要加上,因为否则就不满足local[i][j]必须在最后一天卖出的条件了)。
上面的算法中对于天数需要一次扫描,而每次要对交易次数进行递推式求解,所以时间复杂度是O(n*k),如果是最多进行两次交易,那么复杂度还是O(n)。空间上只需要维护当天数据皆可以,所以是O(k),当k=2,则是O(1)。代码如下:
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int size = prices.size();
if(k==0 || size<2)
return 0;
if(k>=size/2)
{
int sum = 0;
for(int i=1; i<size; i++)
{
if(prices[i]-prices[i-1]>0)
sum += prices[i]-prices[i-1];
}
return sum;
}
vector<vector<int>> local(size+1, vector<int>(k+1,0));
vector<vector<int>> global(size+1, vector<int>(k+1,0));
for(int i=1; i<=size; i++)
{
int diff = 0;
if(i>1)
{
diff = prices[i-1]-prices[i-2];
}
for(int j=1; j<=k;j++)
{
local[i][j] = max(global[i-1][j-1]+max(diff,0), local[i-1][j]+diff);
global[i][j] = max(global[i-1][j], local[i][j]);
}
}
return global[size][k];
}
};