LeetCode打卡练习之股票买卖的最佳时机3

这道题目可以算是一道经典而又比较简单的动态规划问题了。

根据算法导论中的介绍，我们可以先来分析一下最优解的构成：两次交易没有重合区域，所以可以假定一个分界线，分界线左边的解是左边部分的最优解，而分界线右边部分的解也是最优解。求得这两个区域最优解的办法，就是股票买卖最佳时机1这道题目的解法。

所以说，为找到问题的答案，我们需要确定两个“最优”，先找到分界线的位置，再算出分界线左右两边的最优解。

如果我们暴力循环的话，这个解法就是可行的。时间复杂度为O(N^2)，第一层循环遍历分界线所有的位置，第二层循环寻找最优解。这里注意，求解动态规划问题，这一步是不可跳过的！动态规划，本质上就是对于循环之类已有的解法进行优化，而不是凭空出来的解法。求解动态规划类问题，最好的思路就是不考虑时间复杂度，先找到一个可行的解法，再对它进行优化。

然后分析这个过程，直觉告诉我们这个解法存在重复计算，然后我们在脑海中推一下运算轨迹。这里再次注意，不要把求解子问题的方法看作一个已经封装好的函数。因为这个优化是对整个运算过程进行的。

我们分析一下求解子问题的方法，求得最优解需要前一个问题的最优解，这样我们如果我们要求出长为a的数组的最优解，我们就必须有长度为a-1的数组的最优解。 

这时我们观察右边，右边只要我们把计算“股票买卖最佳时间1”的解法反过来，变成必须先卖后买，就可以从小到大在O(n)时间之内填好这个表。(这对应时间的对称性？？？)

在纸上画出调用关系图来，就是差不多这个样子，我们接着分析储存中间结果的方法，显然，一个简单的数组就可以存储这些中间结果。我们用一个循环先把数组填满，然后再遍历一次数组找到i，就可以在线性时间复杂度O(n)之内求出问题的解。

 

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size()==0) return 0;
        int rpros[prices.size()];
        int rmax=0;
        int min=prices[0];
        int rpro=0;
        int profit=0;
        for(int i=prices.size()-1;i>=0;i--){
            if(prices[i]>rmax)
                rmax=prices[i];
            else if(rmax-prices[i]>rpro) 
                rpro=rmax-prices[i];
            rpros[i]=rpro;
        }
        for(int i=0;i<prices.size();i++){
            if(prices[i]<min) min=prices[i];
            else if(prices[i]-min+rpros[i]>profit) 
            profit=prices[i]-min+rpros[i];
        }
        return profit;
    }
};

最后结果是87%，说明这个解法还是不错的，我不知道还有没有更优的解法，毕竟O(n)我感觉已经是这道题的极限了。