Leetcode 188. 买卖股票的最佳时机IV
目前碰到的最难的动态规划啦!加了详细的注释,方便日后复习,也希望能帮到其他小伙伴,如有错误,欢迎指正!
Java实现:
class Solution {
public int maxProfit(int k, int[] prices) {
// 判空
if (prices.length <= 0 || k <= 0){
return 0;
}
// 总天数(从1开始计数)
int days = prices.length;
// 题目表示0 <= k <= 10^9,因此我们需要尽可能地减少k的值,避免不必要的循环
// 由于不能同时参与多笔交易,因此交易的次数最多也就只能达到days/2
k = Math.min(k,days/2);
// 初始化动态规划要用的数组,in用于存储当前为有股票状态的利润,out用于存储当前为无股票状态的利润
// 二维数组的实际意义:in[i][j]为第i+1天(交易过j次)且当前持有股票的最大利润;
// out[i][j]为第i+1天(交易过j次)且当前不持有股票的最大利润
int[][] in = new int[days][k + 1];
int[][] out = new int[days][k + 1];
// 我们在动态规划前需要确定一下临界状态的值,分别是第一天买入了股票以及没买入股票的情况,我们规定一次买入+一次卖出才算一次交易,
// 因此我们只需要在卖出的时候将交易次数+1即可;所以第一天的时候交易次数只能是0,交易次数不为0是我们都视为非正常情况
in[0][0] = -prices[0];
out[0][0] = 0;
// 为其他非正常情况的临界状态赋值
for (int j = 1; j <= k; j++){
// 0 <= prices[i] <= 1000,因此正常的最大利润再怎么低也就最低-1000,我们把非正常情况设置为-1001即可
in[0][j] = out[0][j] = -1001;
}
// 动态规划走起,临界值都处理好了,直接从1开始
// 状态转移方程:in和out的当前状态的最大利润都是由上一个状态的最大利润求得的,上一个状态又可能有两种状态,所以我们可以得到下面的两个方程
// in[i][j] = Math.max(in[i - 1][j],out[i - 1][j] - prices[i]);
// out[i][j] = Math.max(in[i - 1][j - 1] + prices[i],out[i - 1][j]);
for (int i = 1; i < days; i++){
// 为每一天交易数为0的情况赋值,从第二天开始交易数为0说明从未完成过交易,那么如果是out,说明也没买过,那就肯定为0;
// 而数组初始化就为0,因此这种情况不需要操作,只需要为每一天交易数为0且为in状态的最大利润赋值
in[i][0] = Math.max(in[i - 1][0],out[i - 1][0] - prices[i]);
for (int j = 1; j <= k; j++){
in[i][j] = Math.max(in[i - 1][j],out[i - 1][j] - prices[i]);
out[i][j] = Math.max(in[i - 1][j - 1] + prices[i],out[i - 1][j]);
}
}
/**到这一步,所有可能的状态的最大利润都求出来了,我们很容易发现最大的利润的一定是出自最后一天(days - 1)不持有股票的状态;
但是最优的交易次数我们不知道,所以我们只需要遍历找到最后一天且不持有股票(交易次数不同)中利润最大的就是最大的利润*/
int max_profit = out[days - 1][0];
for (int j = 1; j <= k; j++){
max_profit = Math.max(max_profit,out[days - 1][j]);
}
return max_profit;
}
}