代码随想录算法训练营第50天| Leetcode 123.买卖股票的最佳时机III、Leetcode 188.买卖股票的最佳时机IV

Leetcode 123.买卖股票的最佳时机III

题目链接： Leetcode 123.买卖股票的最佳时机III
题目描述： 给定一个数组，它的第 i 个元素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。你最多可以完成两笔交易。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）。

思路： 由于交易次数不确定，因此不像Leetcode 121. 买卖股票的最佳时机和Leetcode 122.买卖股票的最佳时机II这两道题可以利用贪心思想解决，本题只能通过动态规划不断记录最大利润来解决。

• dp数组有五种状态：

0. 没有操作 （也可以不设置这个状态）
1. 第一次持有股票
2. 第一次不持有股票
3. 第二次持有股票
4. 第二次不持有股票

• 递推公式：无论哪种状态，都取决于第i天是否买卖股票两种状态。理解了之前买卖股票两道题的递推公式就会更好理解一些
• 初始化：dp[0][1] = dp[0][3] = -prices[0]

代码如下：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size() == 0) return 0;
        //dp[i][0]:不进行操作
        //dp[i][1]:第一次买入
        //dp[i][2]:第一次卖出
        //dp[i][3]:第二次买入
        //dp[i][4]:第二次卖出
        vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
        //初始化
        dp[0][1] = dp[0][3] = -prices[0];
        for(int i = 1; i < prices.size(); i ++ )
        {
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4],dp[i - 1][3] + prices[i]);    
        }
        return dp[prices.size() - 1][4];
    }
};

• 时间复杂度：$O(n)$
• 空间复杂度：$O(5\times n)$ （严格的空间复杂度不用写系数，这里是为了体现$5$种状态）

Leetcode 188.买卖股票的最佳时机IV

题目链接：Leetcode 188.买卖股票的最佳时机IV
题目描述： 给定一个数组，它的第 i 个元素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。 也就是说，你最多可以买 k 次，卖 k 次。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）。

思路： 本题与上道题相比，从最多两次交易变成最多k次交易，大体思路是相同的，唯一的区别就在于初始化和dp运算。

代码如下：

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        int n = prices.size();
        if(n == 0) return 0;
        //dp[i][奇数]代表买入，dp[i][偶数]代表卖出
        vector<vector<int>> dp(n, vector<int>(2 * k + 1, 0));
        //初始化
        for(int i = 1; i < 2 * k; i +=2 ){
            dp[0][i] = -prices[0];
        }
        for(int i = 1; i < n; i ++ )
            for(int j = 0; j <= 2 * k - 1; j += 2)
            {
                //奇数买入
                dp[i][j + 1] = max(dp[i - 1][j + 1],dp[i - 1][j] - prices[i]);
                //偶数卖出
                dp[i][j + 2] = max(dp[i - 1][j + 2],dp[i - 1][j + 1] + prices[i]);
            }
        return dp[n - 1][2 * k];
    }
};

• 时间复杂度: $O(n\times k)$，其中 n 为 prices 的长度
• 空间复杂度: $O(n\times k)$

---

总结： 理解了之前两道买卖股票的递推公式原理，这两道题还是很简单的。

最后，如果文章有错误，请在评论区或私信指出，让我们共同进步！