123. 买卖股票的最佳时机 III
思路:
首先,由于买第二支的时候第一支要卖掉,想到把prices划分一下,分成0 - i天买一支, i - n天买一支。然后就超时了,看来只能O(n)。
再一想,哎呀,多添加三个状态就行了。
三维dp:dp[i][j][k]表示,第i天持有(j=1)或不持有(j=0)股票,且之前已经进行过k(k=0,1,2)次交易时的最大收益。
可知dp[i][0][0]、dp[i][1][2]没有意义,一直是0;
dp[i][0][2]可以是昨天不持有,交易过两次,今天开摆的收益相比昨天持有,交易过一次,今天卖出去了的收益中的较大值。
dp[i][0][1]就是昨天不持有,交易过一次,今天不交易相比昨天持有,之前没交易过,今天卖出去收益中的较大值。
dp[i][1][0]就是,昨天已经持有相比今天第一次买中的较大值。
dp[i][1][1]就是,昨天已经持有,之前交易过一次的收益相比今天第二次买的收益中的较大值。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
dp = [[[0] * 3 for _ in range(2)] for _ in range(n)]
dp[0][1][0] = - prices[0]
dp[0][1][1] = - prices[0]
for i in range(1, n):
dp[i][0][2] = max(dp[i - 1][0][2], dp[i - 1][1][1] + prices[i])
dp[i][0][1] = max(dp[i - 1][0][1], dp[i - 1][1][0] + prices[i])
dp[i][1][1] = max(dp[i - 1][1][1], dp[i][0][1] - prices[i])
dp[i][1][0] = max(dp[i - 1][1][0], - prices[i])
return max(dp[n - 1][0][1], dp[n - 1][0][2])
这就是困难吗,两个小时过去了!!!才理清楚!!但是AC了,好开心!!
188. 买卖股票的最佳时机 IV
思路:
就是III的推广嘛,
更新的时候用循环更新即可,因为dp[i][0][j]只依赖于dp[i - 1][0][j]和dp[i - 1][1][j - 1],dp[i][1][j]只依赖于dp[i-1][1][j]和dp[i-1][0][j],并且dp[i][1][0]其实可以一起写,因为dp[i-1][0][0]一直是0。
class Solution:
def maxProfit(self, k: int, prices: List[int]) -> int:
n = len(prices)
dp = [[[0] * (k + 1) for _ in range(2)] for _ in range(n)]
for i in range(0, k):
dp[0][1][i] = - prices[0]
for i in range(1, n):
for j in range(1, k + 1):
dp[i][0][j] = max(dp[i - 1][0][j], dp[i - 1][1][j - 1] + prices[i])
for j in range(0, k):
dp[i][1][j] = max(dp[i - 1][1][j], dp[i - 1][0][j] - prices[i])
return max(dp[n - 1][0])
啊哈哈 两分钟就写完啦~~~~
今日总结:
一刷AC!!!!信心增强!