给定一个整数数组 prices ,它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
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 1:
输入:k = 2, prices = [2,4,1]
输出:2
解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
输入:k = 2, prices = [3,2,6,5,0,3]
输出:7
解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
随后,在第 5 天 (股票价格 = 0) 的时候买入,在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
感谢liweiwei1419的动态规划(「力扣」更新过用例,只有优化空间的版本可以 AC),labuladong的一个方法团灭 6 道股票问题,王尼玛的四种解法+图解 188.买卖股票的最佳时机 IV
class Solution {
public int maxProfit(int k, int[] prices) {
// return maxProfitI(k, prices);
return maxProfitII(k, prices);
// return maxProfitIII(k, prices);
}
//方法三:递归+备忘录
//时间复杂度O(kn),空间复杂度O(kn)
private int maxProfitIII(int k, int[] prices) {
if (prices == null || prices.length == 0 || k == 0) {
return 0;
}
Map<String, Integer> memoMap = new HashMap<>();
return dfs(prices, prices.length - 1, k, 0, memoMap);
}
private int dfs(int[] prices, int index, int k, int status, Map<String, Integer> memoMap) {
if (index < 0 || k == 0) {
return status == 1 ? Integer.MIN_VALUE : 0;
}
String key = index + "*" + k + "*" + status;
if (memoMap.containsKey(key)) {
return memoMap.get(key);
}
int res;
if (status == 0) {
res = Math.max(dfs(prices, index - 1, k, 0, memoMap),
dfs(prices, index - 1, k, 1, memoMap) + prices[index]);
} else {
res = Math.max(dfs(prices, index - 1, k, 1, memoMap),
dfs(prices, index - 1, k - 1, 0, memoMap) - prices[index]);
}
memoMap.put(key, res);
return res;
}
//方法二:基于方法一空间优化,由于今天的状态值只参考了昨天的状态值,可以直接把第一维去掉。
//时间复杂度O(kn),空间复杂度O(kn)
private int maxProfitII(int k, int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
int len = prices.length;
if (k > len / 2) {
return maxProfitWithInfiniteK(prices);
}
int[][] dp = new int[k + 1][2];
for (int i = 1; i <= k; i++) {
dp[i][0] = 0;
dp[i][1] = -prices[0];
}
for (int price : prices) {
for (int j = k; j >= 1; j--) {
dp[j][1] = Math.max(dp[j][1], dp[j - 1][0] - price);
dp[j][0] = Math.max(dp[j][0], dp[j][1] + price);
}
}
return dp[k][0];
}
//方法一:动态规划
//一次交易由买入和卖出构成,至少需要两天,所以有效的k应该不超过len/2,如果超过就没有约束作用了,相当于k等于无穷大,也就是第122题
//时间复杂度O(kn),空间复杂度O(kn)
private int maxProfitI(int k, int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
int len = prices.length;
if (k > len / 2) {
//贪心算法
return maxProfitWithInfiniteK(prices);
}
int[][][] dp = new int[len][k + 1][2];
for (int i = 0; i <= k; i++) {
dp[0][i][0] = 0;
dp[0][i][1] = -prices[0];
}
for (int i = 1; i < len; i++) {
for (int j = 1; j <= k; j++) {
dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);
dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);
}
}
return dp[len - 1][k][0];
}
private int maxProfitWithInfiniteK(int[] prices) {
int profit = 0;
for (int i = 0; i < prices.length - 1; i++) {
if (prices[i + 1] - prices[i] > 0) {
profit += prices[i + 1] - prices[i];
}
}
return profit;
}
}