代码随想录笔记_动态规划_123买卖股票的最佳时机III

代码随想录二刷笔记记录

LC123.买卖股票的最佳时机III

---

题目

股票问题

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）。

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 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 。
随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。
示例 4：

输入：prices = [1]
输出：0

---

思路分析

思路：

本题和LC121，123一样,仍然存在两个基本状态，持股与不持股，由于题目规定，最多可以完成两笔交易。根据两笔交易，可以将两个基本状态进行拆分。

上述两种基本状态拆分为：

• 第一次持股
• 第一次不持股
• 第二次持股
• 第二次不持股

而考虑到示例3的输出，没有利润的情况下，选择不操作（空仓）。因此，还需考虑一种状态：不操作

注意到，题目要求不能参与多笔交易，因此状态的顺序一定是： 第一次持股 - 第二次持股 - 第三次持股 - 第四次持股

动态规划五部曲

1.确定dp数组及其下标的含义

dp[i][j] :  i 表示第 i 天, j 为[0-4] 五个状态 , dp[i][j] 第 i 天,状态 j 的最大利润
0 : 没有操作
1 : 第一次买入
2 : 第一次卖出
3 : 第二次买入
4 : 第二次卖书

2.确定递推公式

回顾LC122，我们可知，因为股票问题至多只能买入一股，具有满仓(持有股票的状态)，空仓(不持有股票的状态)； 而买入和卖出操作，都是状态转移的操作。

dp[i][1] : 第 i 天买入股票的状态
dp[i][1] 由 dp[i][0] 推演而来
// 第 i 天买入股票
//状态转移:空仓 -> 满仓 , i-1 天的状态0，转移到第 i 天的状态1
dp[i][1] = dp[i-1][0] - prices[i]; 
// 第 i-1 天就持有股票,保持满仓状态1
dp[i][1] = dp[i-1][1];  
dp[i][1] = Max(dp[i-1][0] - prices[i],dp[i-1][1]);

dp[i][2] 由 dp[i][1] 推演而来
//第 i 天卖出股票
//状态转移: 满仓 -> 空仓, i-1 天的状态1,转移到第 i 天的状态2
dp[i][2] = dp[i-1][1] + prices[i]; 
// 第 i 天没有操作,保持空仓状态2
dp[i][2] = dp[i-1][2]; 
dp[i][2] = Max(dp[i-1][1] + prices[i],dp[i-1][2]);

dp[i][3] 同理
// 第 i 天买入股票
//状态转移:空仓 -> 满仓 , i-1 天的状态2，转移到第 i 天的状态3 
dp[i][3] = dp[i-1][2] - prices[i];
//第 i 天没有操作，保持满仓状态3
dp[i][3] = dp[i-1][3]; 
dp[i][3] = Max(dp[i-2][3], dp[i-2][2] - prices[i]);

dp[i][4] 同理
//第 i 天卖出股票
//状态转移: 满仓 -> 空仓, i-1 天的状态3,转移到第 i 天的状态4
dp[i][4] = dp[i-1][3] + prices[i];
// 第 i 天没有操作,保持空仓状态4
dp[i][4] = dp[i-1][4];
dp[i][4] = Max(dp[i-1][3] + prices[i], dp[i-1][4]);

3.初始化

dp[0][0] = 0; // 第 0 天没有操作
dp[0][1] = -prices[0]; // 第 0 天买入股票
dp[0][2] = 0;//第 0 天卖出股票
dp[0][3] = -prices[0];//第 0 天第二次买入股票,相当于第 0 天买入卖出又买入
dp[0][4] = 0;//第 0 天第二次卖出股票，相当于第 0 天两次的买卖

4.遍历顺序

根据递推公式，我们知道，第 i 天的状态依赖于第 i-1 天的状态，因此是从前往后 遍历。

for (int i = 1;i < dp.length;i++){
            dp[i][0] = Math.max(dp[i][0],dp[i-1][0]); 
            dp[i][1] = Math.max(dp[i-1][0] - prices[i], dp[i-1][1]);
            dp[i][2] = Math.max(dp[i-1][1] + prices[i], dp[i-1][2]);
            dp[i][3] = Math.max(dp[i-1][2] - prices[i], dp[i-1][3]);
            dp[i][4] = Math.max(dp[i-1][3] + prices[i], dp[i-1][4]);
}

5.推演分析

以示例2 prices = [1,2,3,4,5] 为例

	状态0	状态1	状态2	状态3	状态4
i	不操作	买入1	卖出1	买入2	卖出2
0	0	-1	0	-1	0
1	0	max(-1,-2) = -1	max(-1,-1+2) = 1	max(-1,-2) = -1	max(0,-1+2)= 1
2	0	max(-1,-3) = -1	max(-1,-1+3) = 2	max(-1,1-3) = -1	max(1,-1+3)= 2
3	0	max(-1,-4) = -1	max(-1,-1+4) = 3	max(-1,2-4) = -1	max(2,-1+4)= 3
4	0	max(-1,-5) = -1	max(-1,-1+5) = 4	max(-1,3-5) = -1	max(3,-1+5)= 4

---

代码实现

完整代码实现

public int maxProfit(int[] prices) {
        //5种状态
        //0:没有操作 1:第一次买入 2:第一次卖出 3:第二次买入 4:第二
        //dp初始化
        int[][] dp = new int[prices.length][5];
        //数组初始化时即为0，状态0,2,4可以注释
        dp[0][0] = 0;//第 0 天没有操作
        dp[0][1] = -prices[0]; //第 0 天买入股票
        dp[0][2] = 0; // 第 0 天卖出股票
        dp[0][3] = -prices[0];// 第 0 天第二次买入股票
        dp[0][4] = 0; // 第 0 天第二次买卖

        //遍历
        for (int i = 1;i < dp.length;i++){
            //dp[i][0]没有操作全为0，可以注释掉
            dp[i][0] = Math.max(dp[i][0],dp[i-1][0]); //第 i 天没有操作,第 i-1 天没有操作
            //dp[i-1][1] - prices[i]第 i-1 天买入股票,今天继续买,
            dp[i][1] = Math.max(dp[i-1][0] - prices[i], dp[i-1][1]);
            //dp[i-1][1] + prices[i],第i-1天买入股票.第i天卖出
            dp[i][2] = Math.max(dp[i-1][1] + prices[i], dp[i-1][2]);
            dp[i][3] = Math.max(dp[i-1][2] - prices[i], dp[i-1][3]);
            dp[i][4] = Math.max(dp[i-1][3] + prices[i], dp[i-1][4]);
        }
        return dp[prices.length-1][5-1];
    }

---

小结

本题增加了3个限制条件

• 最多可完成两笔交易
• 不能参与多笔交易
• 可选择从头到尾不交易(示例3)

因此我们将状态拆分为5种状态，但是本质的递推公式分析，与LC122买卖股票的最佳时机II，需要理解持股和不持股，即满仓和空仓的状态是否会转移。如果存在买入和卖出操作，则会产生状态转移，反之，即保持状态不变即可。本质上的递推不变，终点在于分析题目和拆解状态。