LeetCode 123. Best Time to Buy and Sell Stock III
Solution1:
不得不让人感叹算法之精妙啊!!!
参考网址:[1]http://www.cnblogs.com/grandyang/p/4281975.html
[2]https://blog.csdn.net/linhuanmars/article/details/23236995
我们先解释最多可以进行
k
k
次交易的算法。我们还是使用“局部最优和全局最优解法”。我们维护两种量,一个是当前到达第天可以最多进行
j
j
次交易,最好的利润是多少,另一个是当前到达第
i
i
天,最多可进行次交易,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])
(
l
o
c
a
l
[
i
]
[
j
]
)
。下面我们来看递推式,全局的比较简单:
也就是取当前局部最好的,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
也就是看两个量,第一个是全局到 i−1 i − 1 天进行 j−1 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 j − 1 次交易,最后一次交易取当前天);第二个量则是取 local l o c a l 第 i−1 i − 1 天 j j 次交易,然后加上今天的差值(这里因为比如包含第 i−1 i − 1 天卖出的交易,所以现在变成第 i i 天卖出,并不会增加交易次数,而且这里无论是不是大于 0 0 都一定要加上,因为否则就不满足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) O ( n ∗ k ) ,如果是最多进行两次交易,那么复杂度还是 O(n) O ( n ) 。空间上只需要维护当天数据皆可以,所以是 O(k) O ( k ) ,当 k=2 k = 2 ,则是 O(1) O ( 1 ) 。代码如下:
class Solution {
public:
int maxProfit(vector<int> &prices) {
if (prices.empty()) return 0;
int n = prices.size(), g[n][3] = {0}, l[n][3] = {0};
for (int i = 1; i < prices.size(); ++i) {
int diff = prices[i] - prices[i - 1];
for (int j = 1; j <= 2; ++j) {
l[i][j] = max(g[i - 1][j - 1] + max(diff, 0), l[i - 1][j] + diff);
g[i][j] = max(l[i][j], g[i - 1][j]);
}
}
return g[n - 1][2];
}
};