LeetCode题解系列--714. Best Time to Buy and Sell Stock with Transaction Fee

描述

Your are given an array of integers prices, for which the i-th element is the price of a given stock on day i; and a non-negative integer fee representing a transaction fee.

You may complete as many transactions as you like, but you need to pay the transaction fee for each transaction. You may not buy more than 1 share of a stock at a time (ie. you must sell the stock share before you buy again.)

Return the maximum profit you can make.

Example 1:
Input: prices = [1, 3, 2, 8, 4, 9], fee = 2
Output: 8
Explanation: The maximum profit can be achieved by:
Buying at prices[0] = 1
Selling at prices[3] = 8
Buying at prices[4] = 4
Selling at prices[5] = 9
The total profit is ((8 - 1) - 2) + ((9 - 4) - 2) = 8.
Note:

0 < prices.length <= 50000.
0 < prices[i] < 50000.
0 <= fee < 50000.

思路

首先，这是一道DP的题目。
那么首先就是要确定需要保存的状态，题目所求为这么多天后能获得的最大收益，那么我们直接令 $A[i]$ 为第i天所能取得的最大收益。但是我们很快发现，某一天其实会有两种可能性，就是持有一股、或者持有零股，所以我们令 $A[i]$ 为第i天持有一股时的最大收益，而 $B[i]$ 为持有零股时的最大收益。

状态转移方程

$A[i]$

其实这里的状态转移方程我个人认为不是很好理解，我现在也不是太理解。首先分为两种情况，第i天买入和第i天继续持仓。
第i天买入的情况：收益为 $B[i - 1] - prices[i]$
第i天继续持仓的情况：收益为$A[i-1]$
以上两个方程乍看都很好理解，但是 $A[i]$ 要在这两个的较大值中选择，这点就不是很好理解了，有点奇怪。
我提供这样一种解释，在买入一股以后，状态由B转向A，他当前手上的资产为 现金+一股，如果我们想要知道这个决定是否比较优，那么就与相同资产状况的时候做比较，即第i天之前的现金+一股时的资产总额。
如果第i天买入要优于第i-1天手上有一股，我们就选择第i天买入，反之我们就认为 $A[i-1]$ 更优，即保持手中有一股的状态。
ps. 这里的解释语言组织的并不是太好

$B[i]$

这里的状态转移方程比较好理解，因为要满足第i天手上没有持有股票的情况的话，只有两种情况，第i天卖出或者继续不买入。
对于第i天卖出的情况，算上每笔交易的手续费，此时收益为$A[i - 1] + prices[i] - fee$
对于继续不买入的情况，其收益与前一天空持的收益相同，为$B[i-1]$

综合以上，总的状态转移方程为：

$$A[i] = max(A[i - 1], B[i - 1] - prices[i])$$
$$B[i] = max(B[i - 1], A[i - 1] + prices[i] - fee)$$

根据题意：最后结果为最后一天手上没有股票时的最大收益，即返回$B[prices.size() - 1];$

解答

class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        // have one stock on hand
        vector<int> A(prices.size(), 0);
        // no stock on hand
        vector<int> B(prices.size(), 0);
        A[0] = A[0] - prices[0];
        for (int i = 1; i < prices.size(); ++i) {
            A[i] = max(A[i - 1], B[i - 1] - prices[i]);
            B[i] = max(B[i - 1], A[i - 1] + prices[i] - fee);
        }
        return B[prices.size() - 1];
    }
};

内存优化

观察以上的程序，我们很容易看出其实每次迭代只依赖于i-1时的状态，所以我们不需要保存每一天的状态。

// space optimized
class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
        // have one stock on hand
        int A = 0 - prices[0];
        // no stock on hand
        int B = 0;
        int B_temp;
        int A_temp;
        for (int i = 1; i < prices.size(); ++i) {
            A_temp = A;
            B_temp = B;

            A = max(A_temp, B_temp - prices[i]);

            B = max(B_temp, A_temp + prices[i] - fee);
        }
        return B;
    }
};