【题目描述】
给你一个整数数组
prices
和一个整数k
,其中prices[i]
是某支给定的股票在第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)。
示例 1:
输入:k = 2, prices = [2,4,1] 输出:2 解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。示例 2:
输入:k = 2, prices = [3,2,6,5,0,3] 输出:7 解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。随后,在第 5 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 。提示:
1 <= k <= 100
1 <= prices.length <= 1000
0 <= prices[i] <= 1000
【题目链接】:. - 力扣(LeetCode)
【解题代码】
package dp;
public class MaxProfit4 {
public static void main(String[] args) {
int[] prices = {3, 2, 6, 5, 0, 3};
int k = 2;
int result = new MaxProfit4().maxProfit(k, prices);
System.out.println("计算结果:" + result);
}
public int maxProfit(int k, int[] prices) {
int[][][] dp = new int[prices.length][2][k + 1];
for (int i = 0; i <= k; i++) {
dp[0][1][i] = -prices[0];
}
for (int i = 1; i < prices.length; i++) {
for (int j = 1; j <= k; j++) {
dp[i][0][j] = Math.max(dp[i - 1][0][j], dp[i - 1][1][j-1] + prices[i]);
}
for (int j = 0; j < k; j++) {
dp[i][1][j] = Math.max(dp[i - 1][1][j], dp[i - 1][0][j] - prices[i]);
}
}
return dp[prices.length - 1][0][k];
}
}
【解题思路】
这道题和之前的LeetCode 123题: 买卖股票的最佳时机 III(原创)-CSDN博客思路基本一致,不同的是123题最多交易次数是固定的两次,而这道题交易次数是变量k,基于之前思路稍微思索一下可以得到以下几个要点:
- 所有未持有股票且交易为0次的获利均为0;
- 所有未持有股票且j(k>=j>0)次交易的最大获利值:昨天未持有股票且有j次交易,和昨天持有股票且j-1次交易然后今天卖掉股票两者最大值;
- 所有持有股票且j(k>j>=0)次交易的最大获利值:昨天持有股票且有j次交易和昨天未持有股票且j次交易然后今天买股票的两者最大值
按照这个思路,基于123题代码很快完成代码编写,并提交成功
【解题步骤】
- 定义三维动态规划数组dp
int[][][] dp = new int[prices.length][2][k + 1];
- 第一天未持有股票且i次交易的获利值统一初始化为-prices[0]
for (int i = 0; i <= k; i++) { dp[0][1][i] = -prices[0]; }
- 然后从第二天开始到最后一天依次计算持有/未持有股票且交易0到k次的最大获利值
for (int i = 1; i < prices.length; ++i) { for (int j = 1; j <= k; j++) { // 今天未持有股票,且j次交易的最大获利等于:昨天未持有股票且有j次交易,和昨天持有股票且j-1次交易然后今天卖掉股票两者最大值 dp[i][0][j] = Math.max(dp[i - 1][0][j], dp[i - 1][1][j-1] + prices[i]); } for (int j = 0; j < k; j++) { // 今天持有股票,且j次交易的最大获利等于:昨天持有股票且有j次交易和昨天未持有股票且j次交易然后今天买股票的两者最大值 dp[i][1][j] = Math.max(dp[i - 1][1][j], dp[i - 1][0][j] - prices[i]); } }
- 最后一天手里没有股票且交易k次的最大获利值就是最终结果
return dp[prices.length - 1][0][k];
【思考总结】
- 动态规划算法是数据结构中一个很重要的算法,另外一般学校里教的都很浅薄,程序员一定要自学掌握其算法脉络,并能学会灵活运用;
- 无后效性,递推算法一般只需要考虑眼前最近一层,其它层一定不需要考虑。“未来与过去无关”;
- 这道题的关键点就是:根据当天的投资次数将二维数组扩展成三维数组,并依次根据昨天的计算数值,对每天持有/未持有股票且交易0到k次各种情况的最大获利值进行计算;
- LeetCode解题之前,一定不要看题解,看了就“破功”了!