DP-LeetCode123. 买卖股票的最佳时机 III（k = 2）

1、题目描述（k= 2）

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）。

2、代码详解

DP-LeetCode121. 买卖股票的最佳时机

DP-LeetCode122. 买卖股票的最佳时机 II

'''
for (int k = max_k; k >= 1; k--) {
    if (i - 1 == -1) { /*处理 base case */ }
    dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i]);  // max(选择 rest, 选择 sell)
    dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i]); // max(选择 rest, 选择 buy)
}

dp[i][2][0] = max(dp[i-1][2][0], dp[i-1][2][1] + prices[i])
dp[i][2][1] = max(dp[i-1][2][1], dp[i-1][1][0] - prices[i])
dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][1][1] + prices[i])
dp[i][1][1] = max(dp[i-1][1][1], -prices[i])
'''

class Solution(object):
    def maxProfit(self, prices):
        n = len(prices)
        # 下标含义：第i天、k交易次数、持有状态（0没有，1持有）
        dp_i10 = 0
        dp_i11 = float("-inf")
        dp_i20 = 0
        dp_i21 = float("-inf")
        for i in range(n):
            # 直接穷举k=2和k=1
            '''
            dp[i][2][0] = max(dp[i-1][2][0], dp[i-1][2][1] + prices[i])
            dp[i][2][1] = max(dp[i-1][2][1], dp[i-1][1][0] - prices[i])
            dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][1][1] + prices[i])
            dp[i][1][1] = max(dp[i-1][1][1], -prices[i])
            '''
            dp_i20 = max(dp_i20, dp_i21 + prices[i])  # 上一状态就没有 or 卖了股票现在没有了
            dp_i21 = max(dp_i21, dp_i10 - prices[i])  # 上一状态就有 or 买了股票
            dp_i10 = max(dp_i10, dp_i11 + prices[i])  # 上一状态就没有 or 卖了股票现在没有了
            dp_i11 = max(dp_i11, -prices[i])  # 上一状态就有 or 买了股票

        return dp_i20

prices = [3,3,5,0,0,3,1,4]  # 6
# 在第 4 天（股票价格 = 0）买入，在第 6 天（股票价格 = 3）卖出，利润 = 3-0 = 3 。
# 随后在第 7 天（股票价格 = 1）买入，在第 8 天 （股票价格 = 4）卖出，利润 = 4-1 = 3 。
s = Solution()
print(s.maxProfit(prices))

3、通用模板（III开始使用）

3.1、状态

每天都有三种「选择」：买入、卖出、无操作。用 buy, sell, rest 表示这三种选择。

sell 必须在 buy 之后，buy 必须在 sell 之后。那么 rest 操作还应该分两种状态，一种是 buy 之后的 rest（持有了股票），一种是 sell 之后的 rest（没有持有股票）。而且别忘了，我们还有交易次数 k 的限制，就是说你 buy 还只能在 k > 0 的前提下操作。

问题的「状态」有三个，第一个是天数，第二个是允许交易的最大次数，第三个是当前的持有状态（即之前说的 rest 的状态，我们不妨用 1 表示持有，0 表示没有持有）。然后我们用一个三维数组就可以装下这几种状态的全部组合

dp[i][k][0 or 1]
0 <= i <= n-1, 1 <= k <= K
n 为天数，大 K 为最多交易数
此问题共 n × K × 2 种状态，全部穷举就能搞定。

for 0 <= i < n:
    for 1 <= k <= K:
        for s in {0, 1}:
            dp[i][k][s] = max(buy, sell, rest)

dp[3][2][1] 的含义：今天是第三天，我现在手上持有着股票，至今最多进行 2 次交易。

dp[2][3][0] 的含义：今天是第二天，我现在手上没有持有股票，至今最多进行 3 次交易。

 

想求的最终答案是 dp[n - 1][K][0]，即最后一天，最多允许 K 次交易，最多获得多少利润。

为什么不是 dp[n - 1][K][1]？

因为 [1] 代表手上还持有股票，[0] 表示手上的股票已经卖出去了，很显然后者得到的利润一定大于前者。

3.2、状态转移 

①根据状态转移图，写出状态转移方程

dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
              max(   选择 rest  ,           选择 sell      )

解释：今天我没有持有股票，有两种可能：
要么是我昨天就没有持有，然后今天选择 rest，所以我今天还是没有持有；
要么是我昨天持有股票，但是今天我 sell 了，所以我今天没有持有股票了。

dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
              max(   选择 rest  ,           选择 buy         )

解释：今天我持有着股票，有两种可能：
要么我昨天就持有着股票，然后今天选择 rest，所以我今天还持有着股票；
要么我昨天本没有持有，但今天我选择 buy，所以今天我就持有股票了。

如果 buy，就要从利润中减去 prices[i]，如果 sell，就要给利润增加 prices[i]。

今天的最大利润就是这两种可能选择中较大的那个。

而且注意 k 的限制，我们在选择 buy 的时候，把 k 减小了 1，很好理解吧，当然你也可以在 sell 的时候减 1，一样的。

②定义 base case

dp[-1][k][0] = 0
解释：因为 i 是从 0 开始的，所以 i = -1 意味着还没有开始，这时候的利润当然是 0 。
dp[-1][k][1] = -infinity
解释：还没开始的时候，是不可能持有股票的，用负无穷表示这种不可能。
dp[i][0][0] = 0
解释：因为 k 是从 1 开始的，所以 k = 0 意味着根本不允许交易，这时候利润当然是 0 。
dp[i][0][1] = -infinity
解释：不允许交易的情况下，是不可能持有股票的，用负无穷表示这种不可能。

③综上状态转移方程

base case：
dp[-1][k][0] = dp[i][0][0] = 0
dp[-1][k][1] = dp[i][0][1] = -infinity

状态转移方程：
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])

https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii/solution/yi-ge-tong-yong-fang-fa-tuan-mie-6-dao-gu-piao-wen/