题目链接:309. 买卖股票的最佳时机含冷冻期 - 力扣(LeetCode)
前情提要:
本题是由122. 买卖股票的最佳时机 II - 力扣(LeetCode)变形而来,122是可以买卖多次股票没有冷冻期,该题还添加了冷冻期这一个限定,我相信当你做完这道题或者看完我上道题的题解力扣122.-买卖股票的最佳时机 II(Java详细题解)-CSDN博客,写这道题会轻松一点。
因为本人最近都来刷dp类的题目所以该题就默认用dp方法来做。
dp五部曲。
1.确定dp数组和i下标的含义。
2.确定递推公式。
3.dp初始化。
4.确定dp的遍历顺序。
5.如果没有ac打印dp数组 利于debug。
每一个dp题目如果都用这五步分析清楚,那么这道题就能解出来了。
题目思路:
本题相较于122. 买卖股票的最佳时机 II还难了不少,因为加上了冷冻期这一个限定,导致他的状态变多了。
在力扣122.-买卖股票的最佳时机 II中有两个状态,持有股票后的最多现金,和不持有股票的最多现金。
本题因为当卖出一次股票时就会陷入一天的冷冻期,所以我们肯定需要卖出股票的这个状态,因为只有确定这个状态,才能确定我们的冷冻期的状态。
那么我们不持股的状态就要做一个状态分离,分为一个卖出股票的最大现金和维持卖出股票状态的最大现金。
话不多说,我们用dp五部曲来系统分析一下。
1.确定dp数组和i下标的含义。
dp[i] [0]代表持股的最多现金。
dp[i] [1]代表维持卖出股票的最多现金。
dp[i] [2]代表卖出股票的最多现金。
dp[i] [3]代表冷冻期是的最多现金。
2.确定递推公式。
每个状态可以由哪些推出呢?
dp[i] [0] 可能之前就维持股票的最多现金,也可能当时就买入股票。
其中买入股票继续分为俩种,一种为前一天是冷冻期然后买入。
另一种是前一天是维持卖出股票的状态然后买入。
所以dp[i] [0] = Math.max(dp[i - 1] [0],Math.max(dp[i - 1] [3] - prices[i],dp[i - 1] [2] - prices[i]));
dp[i] [1]可能之前也是维持卖出股票的最多现金,也可以是冷冻期后卖出股票的最多现金.
为什么不考虑卖出股票后的最多现金呢? 因为卖出现金后就会陷入冷冻期,所以卖出股票后面的状态只能是冷冻期。
dp[i] [1] = Math.,max(dp[i - 1] [1],dp[i - 1] [3]);
dp[i] [2] 只能在持股的状态后卖出股票 所以 dp[i] [2] = dp[i - 1] [0] + prices[i];
dp[i] [3]冷冻期也只有卖出股票后面是冷冻期 所以 dp[i] [3] = dp[i - 1] [2];
3.dp初始化。
由递推公式可以看出dp[i]由dp[i - 1]推出,所以递推的起点是在dp[0]。
dp[0] [0]下标为0天持股的最多现金就是买入当天的股票 。
dp[0] [0] = -prices[0];
dp[0] [1]代表维持卖出股票的最多现金。
dp[0] [2]代表卖出股票的最多现金。
dp[0] [3]代表冷冻期是的最多现金。
保持卖出股票状态(状态二),这里其实从 「状态二」的定义来说 ,很难明确应该初始多少,这种情况我们就看递推公式需要我们给他初始成什么数值。
如果i为1,第1天买入股票,那么递归公式中需要计算 dp[i - 1] [1] - prices[i] ,即 dp[0] [1] - prices[1],那么大家感受一下 dp[0] [1] (即第0天的状态二)应该初始成多少,只能初始为0。想一想如果初始为其他数值,是我们第1天买入股票后 手里还剩的现金数量是不是就不对了。
今天卖出了股票(状态三),同上分析,dp[0] [2]初始化为0,dp[0] [3]也初始为0。
4.确定dp的遍历顺序。
由递推公式可以看出dp[i]由dp[i - 1]推出,所以dp的遍历顺序是从前往后推,所以dp从前往后遍历。
5.如果没有ac打印dp数组 利于debug。
那么取结果的地方在你呢?其实状态2,3,4都有可能,所以我们要对这几个状态取一个最大值。
最终代码:
class Solution {
public int maxProfit(int[] prices) {
//我们怎么知道这个冷冻期在什么时候呢? 其实只要找出卖出股票的时候就能找出冷冻期了
//所以将不持有股票的的状态分为 保持卖出股票的状态 和卖出股票的状态
//定义dp数组
int [][] dp = new int [prices.length + 1][4];
//初始化
dp[0][0] = -prices[0];
//dp遍历顺序
for(int i = 1;i < prices.length; i++){
dp[i][0] = Math.max(dp[i - 1][0],Math.max(dp[i - 1][3] - prices[i],dp[i - 1][1] - prices[i]));
dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][3]);
dp[i][2] = dp[i - 1][0] + prices[i];
dp[i][3] = dp[i - 1][2];
}
return Math.max(dp[prices.length - 1][1],Math.max(dp[prices.length - 1][2],dp[prices.length - 1][3]));
}
}
这一篇博客就到这了,如果你有什么疑问和想法可以打在评论区,或者私信我。
我很乐意为你解答。那么我们下篇再见!