Best Time to Buy and Sell Stock IV-- LeetCode

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];



    }
};