188买卖股票的最佳时机 IV（贪心+动态规划——困难）

1、题目描述

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。

注意: 你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

2、示例

输入: [3,2,6,5,0,3], k = 2
输出: 7
解释: 在第 2 天 (股票价格 = 2) 的时候买入，在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
     随后，在第 5 天 (股票价格 = 0) 的时候买入，在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。

3、题解

基本思想：动态规划法，对于动态规划题，画出状态转移图。

我们具体到每一天，看看总共有几种可能的「状态」，每一天总共可能是六种状态，每种状态都是由前一天状态转移得到，再找出每个「状态」对应的「选择」。我们要穷举每一天所有「状态」下的最大收益，穷举的目的是根据对应的「选择」更新状态。（注意：已经交易次数是完整一次买入并卖出股票的次数，当买入股票还没有卖出股票不算一次交易算半次）

• 0表示：dp[i++][0][0]第i天，已经交易次数0，手中没有股票状态下的最大收益，0状态可以无操作或者购买第i天股票进入1状态。
• 1表示：dp[i++][0][1]第i天，已经交易次数0，手中持有股票状态下的最大收益，1状态可以无操作或者卖出第i天股票进入2状态，卖出股票交易数加1所以2状态为dp[i++][1][0]。
• 2表示：dp[i++][1][0]第i天，已经交易次数1，手中没有股票状态下的最大收益，2状态可以无操作或者购买第i天股票进入3状态。
• 3表示：dp[i++][1][1]第i天，已经交易次数1，手中持有股票状态下的最大收益，3状态可以无操作或者卖出第i天股票进入4状态，卖出股票交易数加1所以4状态为dp[i++][2][0]。
• 4表示：dp[i++][2][0]第i天，已经交易次数2，手中没有股票状态下的最大收益，4状态可以无操作或者购买第i天股票进入5状态，但是状态5无意义，因为最多交易次数为2，就算购买了股票也不能卖，所以状态5不可能是最后返回的结果，状态5是dp[i++][2][1]。

综上分析：每一天总共可能是六种状态，每种状态都是由前一天状态转移得到，分别是已经交易次数0没有股票、已经交易次数0持有股票、已经交易次数1没有股票、已经交易次数1持有股票、已经交易次数2没有股票、已经交易次数2持有股票。只要求出每一天六种状态下每种状态最大收益就是局部最优，最后返回六种状态下最大值就是全局最优。但是其实某些状态是不存在的，比如第一天已经交易次数1持有股票才第一天不可能已经交易一次，这些状态初始设定为负无穷。

最后返回最后一天下0-4这五种状态下收益中的最大值，因为状态1和3都是买入了股票还没卖出去，所以肯定不是最后的返回结果和状态5情况一样，所以最后返回0、1、3三种状态下收益中的最大值。（0状态是可能存在的，如果股票一直下跌，交易员就不会进行交易，最后返回收益最大值就是0状态）

• dp[i][k][0 or 1]表示第i天，已经交易次数k，手上是否持有股票状态下的最大收益（已经交易次数是完整一次买入并卖出股票的次数，当买入股票还没有卖出股票不算一次交易算半次）
• 起始状态应该是dp[0][0][0]=0：第1天，已经交易次数0，手中没有股票，收益为0。或者dp[0][0][1] = -prices[0]第1天，已经交易次数0，手上持有股票，则买入了第1天的股票收益为-prices[0]
• 遍历第1天之后的每天股票情况
• 计算每一天六种状态下的最大收益，k=0、1、2
• 第i天，已经交易次数k，手中没有股票状态下的最大收益等于max(1、无操作：前一天此状态下的收益；2、卖出股票：前一天的持有股票下的最大收益+今天股票价格，因为卖出股票交易数k+1)。对应代码dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k - 1][1] + prices[i])
• 第i天，已经交易次数k，手中持有股票状态下的最大收益等于max(1、无操作：前一天此状态下的收益；2、买入股票：前一天的没有股票下的最大收益-今天股票价格，因为买入股票还没有卖出交易数不变)。对应代码dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k][0] - prices[i])
• 返回最后一天没有股票状态下交易0次、1次、2次中最大的收益值

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
class Solution {
public:
	int maxProfit(int k, vector<int>& prices) {
		//基本思想：贪心+动态规划
		if (prices.size() == 0)
			return 0;
		int res = 0;
		//当允许交易的次数大于交易天数时，相当于是可以无限交易，使用贪心算法
		//否则当k过大，dp分配不了那么多内存空间
		if (k > prices.size()/2)
		{
			for (int i = 1; i < prices.size(); i++)
			{
				if (prices[i] > prices[i - 1])
					res += prices[i] - prices[i - 1];
			}
			return res;
		}
		//dp[i][k][0 or 1]表示第i天，已经交易次数k，手上是否持有股票状态下的最大收益
		vector<vector<vector<int>>> dp(prices.size(), vector<vector<int>>(k + 1, vector<int>(2, 0)));
		//初始状态设置
		dp[0][0][0] = 0;
		dp[0][0][1] = -prices[0];
		for (int i = 1; i < k + 1; i++)
		{
			dp[0][i][0] = -999999;
			dp[0][i][1] = -999999;
		}
		//遍历第1天之后的每天股票情况，计算每一天的2*(k+1)种状态下的最大收益
		for (int i = 1; i < prices.size(); i++)
		{
			for (int j = 0; j < k + 1; j++)
			{
				//第i天，已经交易次数j，手中没有股票下的最大收益等于max(1、无操作：前一天此状态下的收益；2、卖出股票：前一天的持有股票下的最大收益+今天股票价格，因为卖出股票交易数j+1)
				if (j != 0)
					dp[i][j][0] = max(dp[i - 1][j - 1][1] + prices[i], dp[i - 1][j][0]);
				//第i天，已经交易次数j，手中持有股票状态下的最大收益等于max(1、无操作：前一天此状态下的收益；2、买入股票：前一天的没有股票下的最大收益 - 今天股票价格，因为买入股票还没有卖出交易数不变)
				dp[i][j][1] = max(dp[i - 1][j][0] - prices[i], dp[i - 1][j][1]);
			}
		}
		//最后最大收益一定是手中不持有股票，所以返回最后一天不持有股票的k+1种状态下的最大收益
		for (int i = 0; i < k + 1; i++)
			res = max(res, dp[prices.size() - 1][i][0]);
		return res;
	}
};
int main()
{
	Solution solute;
	vector<int> prices = { 3,2,6,5,0,3 };
	int k = 2;
	cout << solute.maxProfit(k, prices) << endl;
	return 0;
}