思路
首先将购买股票的价格作为收益的一部分,其必然为负值;对于每一天的收益与是否持有股票、是否购买入股票、是否卖出股票有关,这三者的状态也决定了明天的收益,也取决于昨天这三者的状态。
1.记dp0[i]为第i天持有股票的最大收益,因为股票可能是当天买入的,也可能是昨天就持有的,所以dp0[i]的值与dp1[i-1]和dp2[i-1]均相关
2.记dp1[i]为第i天卖出股票的最大收益,要想在第i天卖出股票,那么第i-1天就必须持有股票,dp1[i]与dp[i-1]相关
3.记dp2[i]为第i天不持有股票的最大收益,如果第i天不持有股票,那么可能是第i-1天就将股票卖出或者第i-1天就不持有股票,即dp2[i]与dp2[i-1]和dp1[i-1]相关
状态迁移方程
dp0[i]=max{dp0[i-1],dp2[i-1]-prices[i]}
dp1[i]=dp0[i-1]+prices[i]
dp2[i]=max{dp1[i-1],dp2[i-1]}
实现
可以对一维数组dp进行状态压缩,只保留前一天的状态
代码`
class Solution {
public:
int maxProfit(vector<int>& prices) {
int length=prices.size();
int dp0=(-1)*prices[0];
int dp1=0;
int dp2=0;
for(int i=1;i<length;i++)
{
int last0=dp0;
int last1=dp1;
int last2=dp2;
dp0=last0>last2-prices[i]?last0:last2-prices[i];
dp1=last0+prices[i];
dp2=last1>last2?last1:last2;
}
return dp1>dp2?dp1:dp2;
}
};