123. 买卖股票的最佳时机 III hard

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 两笔 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）。

示例 1:

输入: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 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 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1] 
输出: 0 
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。

思路：动态规划   对于每一个点，求出左右的最大收益相加，最后取最大值即可。

实现：1.dp的最优子结构 max[i]=sum(max[left]+max[right])

2.保存历史记录，避免重复计算

 

由于第一次提交代码未设置数组保存历史记录，导致大量重复计算，超时。

以后碰到dp问题，一定要设置数组（一般1维或2维）保存历史记录，然后对历史记录进行简单计算即可得到最优结果。

class Solution(object):

   

    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """
# 动态规划 求每一给点的左右两边的最大收益  
# 避免重复计算：设置list保存历史结果  dp：1.找递推式 2.保存历史结果 避免重复计算
        day_len=len(prices)
        if day_len<2:return 0
        left=[]
        right=[]
        min_num=prices[0]
        max_num=0
        max_num2=prices[-1]
        max_diff=0
        for num in prices:
            min_num=min(min_num,num)
            max_num=max(num-min_num,max_num)
            left.append(max_num)
            
        for num in prices[::-1]:
            max_num2=max(max_num2,num)
            max_diff=max(max_num2-num,max_diff)
            right.append(max_diff)
        
        res=[left[i]+right[day_len-1-i] for i in range(day_len)]
        return max(res)