代码随想录训练营第50天 | 123.买卖股票的最佳时机III ● 188.买卖股票的最佳时机IV

123.买卖股票的最佳时机III  

题目链接：https://leetcode.com/problems/best-time-to-buy-and-sell-stock-iii/

解法：

关键在于至多买卖两次，这意味着可以买卖一次，可以买卖两次，也可以不买卖。

接来下我用动态规划五部曲详细分析一下：

1. 确定dp数组以及下标的含义

一天一共就有五个状态，

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

dp[i][j]中 i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天状态j所剩最大现金。

2. 递归条件

有点多，直接看题解吧。

3. 初始化

dp[0][3] 表示第一天完成了三次操作：买-卖-买，所以是-prices[0]。

dp[0][4] 表示第一天完成了四次操作：买-卖-买-卖，所以是0。

其他就比较简单了。

边界条件：无

时间复杂度：O(n)

空间复杂度：O(5n)

class Solution(object):
    def maxProfit(self, prices):
        dp = [[0] * 5 for _ in prices]
        # dp[i][0] 表示第i天没有操作
        dp[0][0] = 0
        # dp[i][1] 表示第i天第一次持有股票
        dp[0][1] = -prices[0]
        # dp[i][2] 表示第i天第一次不持有股票，当天买卖了
        dp[0][2] = 0
        # dp[i][3] 表示第i天第二次持有股票，这里是当天买-卖-买
        dp[0][3] = -prices[0]
        # dp[i][4] 表示第i天第二次不持有股票
        dp[0][4] = 0
        for i in range(1, len(prices)):
            dp[i][0] = dp[i-1][0]
            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[-1][-1]

188.买卖股票的最佳时机IV 

题目链接：https://leetcode.com/problems/best-time-to-buy-and-sell-stock-iv/

解法：

除了0以外，偶数就是卖出，奇数就是买入。这题就是上一个题的拓展。

根据dp[i][1]和dp[i][2]的递推公式，可以得到其他状态的递推公式：

达到dp[i][1]状态，有两个具体操作：

• 操作一：第i天买入股票了，那么dp[i][1] = dp[i - 1][0] - prices[i]
• 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]

选最大的，所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);

同理dp[i][2]也有两个操作：

• 操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
• 操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]

所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])。

边界条件：无

时间复杂度：O(n * k)，其中 n 为 prices 的长度

空间复杂度：O(n * k)

class Solution(object):
    def maxProfit(self, k, prices):
        dp = [[0] * (2*k+1) for _ in prices]
        for i in range(1, 2*k, 2):
            dp[0][i] = -prices[0]
        for i in range(1, len(prices)):
            for j in range(0, 2*k-1, 2):
                dp[i][j+1] = max(dp[i-1][j+1], dp[i-1][j]-prices[i])
                dp[i][j+2] = max(dp[i-1][j+2], dp[i-1][j+1]+prices[i])
        return dp[-1][-1]