一、题目
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: [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: [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: [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。
二、 解决
系列:【LeetCode】121. 买卖股票的最佳时机、【LeetCode】122. 买卖股票的最佳时机 II
1、递归
思路:
买卖两次状态转换举例:
- 不动/买入 --> 不动/卖出;
- 不动/卖出 -->不动/买入
以数组[1,2,3,4,5]为例,其递归调用树如下:
代码:
// 参数含义:day:哪一天; status:买入 or 卖出; k:交易次数。
class Solution {
public int maxProfit(int[] prices) {
if (prices==null || prices.length==0) return 0;
int n = prices.length;
return dfs(prices, 0, 0, 0);
}
private int dfs(int[] prices, int day, int status, int k) {
// Terminator:数组执行到头了,或者交易了两次了
if (day==prices.length || k==2) {
return 0;
}
// Current logic:split the problem
//定义三个变量,分别记录[不动]、[买]、[卖]
int hold=0, buy=0, sell=0;
// Drill down: conquer the subproblems
//保持不动
hold = dfs(prices, day+1, status, k);
if (status==1) {
//递归处理卖的情况,这里需要将k+1,表示执行了一次交易
sell = dfs(prices, day+1, 0, k+1) + prices[day];
} else {
//递归处理买的情况
buy = dfs(prices, day+1, 1, k) - prices[day];
}
// Merge the subresults:最终结果就是三个变量中的最大值
return Math.max(Math.max(hold, sell), buy);
}
}
时间复杂度:
O
(
2
n
)
O(2^n)
O(2n)
空间复杂度:
O
(
l
o
g
n
)
O(logn)
O(logn)
2、递归+记忆化
思路:
这里需要把重复调用的结果缓存下来。另外为了将(day - 哪天; status - 买/卖; k - 交易次数)对应的结果缓存下来,还需要实现hashCode()与equals()。这个也需要好好理解一下。
1、hashCode()与equals()若干问题:
== VS equals()
==:比较对象地址;
equals():重写比较对象内容。
hashCode() VS equals():
hashCode():判断对象散列值是否相等,性能卓越;
equals():判断内容是否完全一样,准确性高。
说明:- HashSet,HashMap,HashTable等hash容器会同时应用两者,来兼顾性能与准确性。
- 重写场景:当对象作为HashMap的key时。
2、HashMap()工作原理:Key-value
存储结构:数组+链表+红黑树
数组--哈希桶
链表--链地址法
红黑树--链表长度>8,链表转换为红黑树,加快增删改速度。
过程(具体见下图):
1.初始化table
2.计算hash值
3.插入或更新节点
4.扩容:超过threshold=数组长度*负载因子0.75
代码:
class Key {
final int day;
final int cnt;
final int status;
public Key(int day, int cnt, int status) {
this.day = day;
this.cnt = cnt;
this.status = status;
}
// 实现自定义hashCode() 与 equals()
public int hashCode() {
return this.day + this.cnt + this.status;
}
public boolean equals(Object obj) {
Key other = (Key)obj;
if (other.day == day && other.cnt == cnt && other.status==status) {
return true;
}
return false;
}
}
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0 || prices == null) return 0;
Map<Key, Integer> map = new HashMap<>();
return dfs(map, prices, 0, 0, 0);
}
private int dfs(Map<Key, Integer> map, int[] prices, int day, int cnt, int status) {
if (day == prices.length || cnt == 2) {
return 0;
}
Key key = new Key(day, cnt, status);
if (map.containsKey(key)) {
return map.get(key);
}
int hold = 0, sell = 0, buy = 0;
hold = dfs(map, prices, day+1, cnt, status);
if (status == 1) {
sell = dfs(map, prices, day+1, cnt+1, 0) + prices[day];
} else {
buy = dfs(map, prices, day+1, cnt, 1) - prices[day];
}
map.put(key, Math.max(Math.max(hold, sell), buy));
return map.get(key);
}
}
时间复杂度:
O
(
k
n
)
O(kn)
O(kn),k为交易次数,n为天数。
空间复杂度:
O
(
k
n
)
O(kn)
O(kn)
3、动态规划
版本1
思路:
1、状态定义:
dp[cnt][day]: 第 day-th 天交易 cnt 次的最大利润。 cnt - 交易次数; i - 天
2、转移方程之一(参考2):
dp[cnt, i] = max(dp[cnt, i-1], prices[i] - prices[j] + dp[cnt-1, j-1]), j=[0..i-1]
实现1-代码 【超时】
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0) return 0;
int[][] dp = new int[3][prices.length];
for (int k = 1; k <= 2; k++) {
for (int i = 1; i < prices.length; i++) {
int min = prices[0];
for (int j = 1; j <= i; j++)
min = Math.min(min, prices[j] - dp[k-1][j-1]);
dp[k][i] = Math.max(dp[k][i-1], prices[i] - min);
}
}
return dp[2][prices.length-1];
}
}
实现2-代码
实现1中 min 重复计算了,可以进行优化。
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0) return 0;
int[][] dp = new int[3][prices.length];
for (int cnt = 1; cnt <= 2; cnt++) {
int min = prices[0];
for (int i = 1; i < prices.length; i++) {
min = Math.min(min, prices[i] - dp[cnt-1][i-1]);
dp[cnt][i] = Math.max(dp[cnt][i-1], prices[i] - min);
}
}
return dp[2][prices.length-1];
}
}
时间复杂度:
O
(
k
n
)
O(kn)
O(kn),k = 3
空间复杂度:
O
(
k
n
)
O(kn)
O(kn)
实现3-代码
对实现2-代码代码略加改动,调换位置。
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0) return 0;
int[][] dp = new int[3][prices.length];
int[] min = new int[3];
Arrays.fill(min, prices[0]);
for (int i = 1; i < prices.length; i++) {
for (int k = 1; k <= 2; k++) {
min[k] = Math.min(min[k], prices[i] - dp[k-1][i-1]);
dp[k][i] = Math.max(dp[k][i-1], prices[i] - min[k]);
}
}
return dp[2][prices.length - 1];
}
}
实现4-代码
对 实现3-代码 中dp进行压缩,因为dp[i]的值主要依赖于dp[i-1]。
代码:
class Solution {
public int maxProfit(int[] prices) {
if (prices.length == 0) return 0;
int[] dp = new int[3];
int[] min = new int[3];
Arrays.fill(min, prices[0]);
for (int i = 1; i < prices.length; i++) {
for (int cnt = 1; cnt <= 2; cnt++) {
min[cnt] = Math.min(min[cnt], prices[i] - dp[cnt-1]);
dp[cnt] = Math.max(dp[cnt], prices[i] - min[cnt]);
}
}
return dp[2];
}
}
时间复杂度:
O
(
k
n
)
O(kn)
O(kn),k=3
空间复杂度:
O
(
k
)
O(k)
O(k)
版本2
思路:
1、状态定义:
dp[day][status]: 第 day-th 天的最大利润。 day - 交易次数; i - 天, status - 0-不动/买; 1-买
2、转移方程之二(参考超哥):
for day : 0-->n-1
dp[day,0] = max {
dp[day-1, 0], // 不动
dp[day-1, 1] + a[day] // 卖
}
dp[day,1] = max {
dp[day-1,1], // 不动
dp[day-1,0] - a[day] // 买
}
3、特点:可读性提升,但是通用性下降。
4、其他:可以看成是实现4实现,只不过这里cnt循环转化成了四个变量。
5、关键:分析的关键在于准确定义状态,定义的关键在于准确分析出正交维度,然后进行升维,从天到--->+是否拥有股票--->+交易次数
dp[day][hold][cnt] = math.max{不动, 卖, 买}
dp[i, k, j] = max{dp[i-1, k, j], dp[i-1, k-1, j+1] + prices[i], dp[i-1, k-1, j-1] - prices[i]}
代码:
class Solution {
public int maxProfit(int[] prices) {
int sell1 = 0, sell2 = 0, buy1 = Integer.MIN_VALUE, buy2 = Integer.MIN_VALUE;
for (int i = 0; i < prices.length; i++) {
buy1 = Math.max(buy1, -prices[i]);
sell1 = Math.max(sell1, buy1 + prices[i]);
buy2 = Math.max(buy2, sell1 - prices[i]);
sell2 = Math.max(sell2, buy2 + prices[i]);
}
return sell2;
}
}
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
1
)
O(1)
O(1)
三、参考
1、五种实现+详细图解 123.买卖股票的最佳时机 III
2、Detail explanation of DP solution
3、看似简单的hashCode和equals面试题,竟然有这么多坑!
4、Java提高篇——equals()与hashCode()方法详解
5、Java hashCode() 和 equals()的若干问题解答
6、Java HashMap工作原理及实现
7、Java 8系列之重新认识HashMap(转载自美团点评技术团队)