动态规划-买卖股票的最佳时机含冷冻期

此前也讲解过买卖股票的最佳时机系列的其他问题，可以阅读贪心算法_Yuan_Source的博客-CSDN博客https://blog.csdn.net/2302_80190174/category_12748026.html

题目描述

给定一个整数数组prices，其中第  prices[i] 表示第 i 天的股票价格 。​

设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:

• 卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

 示例:

输入: prices = [1,2,3,0,2]
输出: 3 
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]

 解题思路

为了解决这个问题，我们可以使用动态规划（Dynamic Programming, DP）的方法，但考虑到卖出股票后有一个冷冻期（即不能立即再次买入），我们需要稍微调整状态的定义。

我们可以定义三个状态数组来跟踪每一天结束时的最大利润：

1. buy[i]：表示第 i 天结束时，如果持有股票（即最近一次操作是买入），那么可以获得的最大利润。
2. sell[i]：表示第 i 天结束时，如果不持有股票且不在冷冻期（即最近一次操作是卖出），那么可以获得的最大利润。
3. rest[i]：表示第 i 天结束时，如果不持有股票但处于冷冻期（即最近一次操作是卖出，因此不能立即买入），那么可以获得的最大利润。

转移方程：

• buy[i]：要么第 i-1 天就持有股票（没有操作），要么第 i-1 天不持有股票但今天买入了（不是冷冻期）。
  • buy[i] = max(buy[i-1], rest[i-1] - prices[i])
• sell[i]：要么第 i-1 天就不持有股票且不在冷冻期（没有操作），要么第 i-1 天持有股票今天卖出了。
  • sell[i] = max(sell[i-1], buy[i-1] + prices[i])
• rest[i]：只能从第 i-1 天不持有股票且不在冷冻期的状态转移而来（因为今天是冷冻期）。
  • rest[i] = sell[i-1]

初始化：

• buy[0] = -prices[0]（第一天买入股票）
• sell[0] = 0（第一天没有卖出）
• rest[0] = 0（第一天不可能是冷冻期）

最终结果：

• 遍历完所有天数后，max(sell[n-1], rest[n-1])（其中 n 是数组长度）即为所求的最大利润，因为最后一天结束时，我们可能处于非冷冻期的不持有状态或冷冻期的不持有状态。

代码1：

int maxProfit(vector<int>& prices) {  
    int n = prices.size();  
    if (n == 0) return 0;  
      
    vector<int> buy(n, 0);  
    vector<int> sell(n, 0);  
    vector<int> rest(n, 0);  
      
    buy[0] = -prices[0];  
    sell[0] = 0;  
    rest[0] = 0; // 第一天不可能是冷冻期  
      
    for (int i = 1; i < n; ++i) {  
        buy[i] = max(buy[i-1], rest[i-1] - prices[i]);  
        sell[i] = max(sell[i-1], buy[i-1] + prices[i]);  
        rest[i] = sell[i-1];  
    }  
      
    // 最后一天结束时，我们可能处于非冷冻期的不持有状态或冷冻期的不持有状态  
    return max(sell[n-1], rest[n-1]);  
}

也可以将三个状态数组合并到二维dp数组。

代码2：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int>> dp(n,vector<int>(3,0));
        dp[0][0] = 0 - prices[0];//买入
        dp[0][1] = 0;//卖出
        dp[0][2] = 0;//冷冻期
        for(int i=1;i<n;i++){
            dp[i][0] = max(dp[i-1][2] - prices[i],dp[i-1][0]);
            dp[i][1] = max(dp[i-1][0] + prices[i],dp[i-1][1]);
            dp[i][2] = dp[i-1][1];
        }
        return max(dp[n-1][1],dp[n-1][2]);
    }
};