309. 最佳买卖股票时机含冷冻期
题目来源
题目分析
给定一个整数数组
prices
,其中第i
个元素代表了第i
天的股票价格。你可以多次买卖股票,但每次出售后,你必须等待一天才能再次购买,即存在冷冻期。目标是返回你能获得的最大利润。
题目难度
- 难度:中等
题目标签
- 标签:动态规划, 数组
题目限制
0 <= prices.length <= 5000
0 <= prices[i] <= 1000
解题思路
这题其实跟LeetCode 122. 买卖股票的最佳时机 II很像,只是多了冷冻期的约束条件,就是卖出之后不能立即买入,那么dp[i][1]
就不能从dp[i-1][0] - prices[i]
转移了,所以dp[i][1]
直接就从dp[i-2][0] - prices[i]
转移
-
问题定义:
- 定义
dp[i][0]
表示第i
天不持有股票的最大利润。 - 定义
dp[i][1]
表示第i
天持有股票的最大利润。
- 定义
-
状态转移:
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
:当天不持有股票的最大利润,可能是前一天也不持有,或者当天卖出股票后的最大利润。dp[i][1] = max(dp[i-1][1], dp[i-2][0] - prices[i])
:当天持有股票的最大利润,可能是前一天就持有,或者在冷冻期之后的某一天购买股票后的最大利润。
-
初始化:
- 初始状态
dp[0][0] = 0
表示第0天不持有股票的最大利润。 - 初始状态
dp[0][1] = -prices[0]
表示第0天持有股票的最大利润。
- 初始状态
-
最终结果:
- 返回
dp[n-1][0]
即为最后一天不持有股票时的最大利润。
- 返回
核心算法步骤
- 动态规划:
- 初始化
dp
数组,分别表示不持有和持有股票的两种状态。 - 通过循环遍历
prices
数组,逐步更新dp
数组中的值。 - 最终返回
dp[n+1][0]
。
- 初始化
代码实现
以下是求解最佳买卖股票时机含冷冻期的 Java 代码:
/**
* 309. 最佳买卖股票时机含冷冻期
* @param prices 股票价格数组
* @return 最大利润
*/
public int maxProfit2(int[] prices) {
int n = prices.length;
int[][] dp = new int[n + 2][2];
dp[0][0] = 0;
dp[1][1] = -prices[0];
for (int i = 0; i < n; i++) {
dp[i + 2][0] = Math.max(dp[i + 1][0], dp[i + 1][1] + prices[i]);
dp[i + 2][1] = Math.max(dp[i + 1][1], dp[i][0] - prices[i]);
}
return dp[n + 1][0];
}
代码解读
dp[i + 2][0]
表示第i + 1
天不持有股票的最大利润,可能是从前一天就不持有,或者是当天卖出了股票获得的最大利润。dp[i + 2][1]
表示第i + 1
天持有股票的最大利润,可能是从前一天就持有,或者是在冷冻期后的某一天购买股票后的最大利润。
性能分析
- 时间复杂度:
O(n)
,其中n
是prices
数组的长度。整个过程只需遍历一次数组,因此时间复杂度为线性。 - 空间复杂度:
O(n)
,需要一个n
长度的数组来存储动态规划的状态值。
测试用例
你可以使用以下测试用例来验证代码的正确性:
int[] prices1 = {1, 2, 3, 0, 2};
int result1 = maxProfit2(prices1);
System.out.println(result1); // 输出: 3
int[] prices2 = {7, 1, 5, 3, 6, 4};
int result2 = maxProfit2(prices2);
System.out.println(result2); // 输出: 7
int[] prices3 = {1};
int result3 = maxProfit2(prices3);
System.out.println(result3); // 输出: 0
扩展讨论
优化写法
- 空间优化:可以将空间复杂度优化为
O(1)
,通过仅保存前两天的状态来更新当前状态。
其他实现
- 该问题主要使用动态规划解决,可以进一步结合状态压缩优化空间复杂度。
总结
最佳买卖股票时机含冷冻期问题,通过动态规划方法解决,该方法结合了股票买卖的冷冻期限制,使得问题具有一定的挑战性。通过合理的状态转移方程可以有效求解该问题。