123.买卖股票的最佳时机III
题目要求: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:prices = [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。
思路
在昨天的题目中,我们考虑了交易一次或者交易多次的两种情况,这个题目限定条件是我最多只能交易两次。那么考虑在dp数组中加入一个维度,记录剩余的交易次数。
dp[i][j][k] = 第“i”天,j = 0表示当天持有股票,j = 1表示当天不持有股票,k表示当天剩余可购买次数{0, 1, 2}且这个值必须大于0。这个时候能够获得的最大财富数。
在我们昨天的推到中dp[i][0]可以通过dp[i-1][0](昨天就持有,今天继续持有)和dp[i-1][1] - prices[i](昨天不持有,今天买入)两种状态推导出来。那么在今天考虑购买次数的情况中,dp[i][0][k]也可以由上述情况得出,k = 2 一定等于0,当前持有股票但是还剩两次机会的状态不应该存在。k = 1可以由max(dp[i-1][0][1], dp[i-1][1][2] - prices[i])。k = 0可以由max(dp[i-1][0][0], dp[i-1][1][1] - prices[i])
dp[i][1]可以由max(dp[i-1][1], dp[i-1][0] + prices[i])导出,那么dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][0][0] + prices[i]); dp[i][1][1] = max(dp[i-1][1][1], dp[i-1][0][1] + prices[i]); dp[i][1][2] = dp[i-1][1][2];
dp数组的初始化,dp数组可以通过dp[0][0][1] -= prices[0];, dp[0][1][2] = 0; dp[0][0][0]状态不应该存在; dp[0][1][0]状态不应该存在; 推导得到。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int len = prices.size();
vector<vector<vector<int>>> dp(len, vector<vector<int>>(2, vector<int>(3, 0)));
// 不应该存在的值赋值为0还是-MAX_INT?
dp[0][0][0] = INT_MIN;
dp[0][0][1] = -prices[0];
dp[0][0][2] = INT_MIN;
dp[0][1][0] = INT_MIN;
dp[0][1][1] = INT_MIN;
dp[0][1][2] = 0;
for (int i = 1; i < len; ++i) {
dp[i][0][2] = dp[i-1][0][2];
dp[i][0][1] = max(dp[i-1][0][1], dp[i-1][1][2] - prices[i]);
if (dp[i-1][1][1] != INT_MIN) {
dp[i][0][0] = max(dp[i-1][0][0], dp[i-1][1][1] - prices[i]);
} else {
dp[i][0][0] = dp[i-1][0][0];
}
dp[i][1][2] = dp[i-1][1][2];
dp[i][1][1] = max(dp[i-1][1][1], dp[i-1][0][1] + prices[i]);
dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][0][0] + prices[i]);
}
return max({dp[len-1][1][0], dp[len-1][1][1], dp[len-1][1][2]});
}
};
188.买卖股票的最佳时机IV
题目要求:给定一个整数数组 prices ,它的第 i 个元素 prices[i] 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)。
-
示例 1:
-
输入:k = 2, prices = [2,4,1]
-
输出:2 解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2。
思路
本题如果继续像上一个题目一样定义三维数组,k的位置就要枚举k次,不可能实现。因此需要转变思路,
- 确定dp数组以及下标的含义
本题其实依然可以用一个二维dp数组。
使用二维数组 dp[i][j] :第i天的状态为j,所剩下的最大现金是dp[i][j]
j的状态表示为:
- 0 表示不操作
- 1 第一次买入
- 2 第一次卖出
- 3 第二次买入
- 4 第二次卖出
- .....
大家应该发现规律了吧 ,除了0以外,偶数就是卖出,奇数就是买入。
题目要求是至多有K笔交易,那么j的范围就定义为 2 * k + 1 就可以了。
所以二维dp数组的C++定义为:
vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
- 确定递推公式
还要强调一下:dp[i][1],表示的是第i天,买入股票的状态,并不是说一定要第i天买入股票,这是很多同学容易陷入的误区。
达到dp[i][1]状态,有两个具体操作:
- 操作一:第i天买入股票了,那么dp[i][1] = dp[i - 1][0] - prices[i]
- 操作二:第i天没有操作,而是沿用前一天买入的状态,即:dp[i][1] = dp[i - 1][1]
选最大的,所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);
同理dp[i][2]也有两个操作:
- 操作一:第i天卖出股票了,那么dp[i][2] = dp[i - 1][1] + prices[i]
- 操作二:第i天没有操作,沿用前一天卖出股票的状态,即:dp[i][2] = dp[i - 1][2]
所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可以类比剩下的状态,代码如下:
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
类比j为奇数是买,偶数是卖的状态。
- dp数组如何初始化
第0天没有操作,这个最容易想到,就是0,即:dp[0][0] = 0;
第0天做第一次买入的操作,dp[0][1] = -prices[0];
第0天做第一次卖出的操作,这个初始值应该是多少呢?
此时还没有买入,怎么就卖出呢? 其实大家可以理解当天买入,当天卖出,所以dp[0][2] = 0;
第0天第二次买入操作,初始值应该是多少呢?应该不少同学疑惑,第一次还没买入呢,怎么初始化第二次买入呢?
第二次买入依赖于第一次卖出的状态,其实相当于第0天第一次买入了,第一次卖出了,然后在买入一次(第二次买入),那么现在手头上没有现金,只要买入,现金就做相应的减少。
所以第二次买入操作,初始化为:dp[0][3] = -prices[0];
第二次卖出初始化dp[0][4] = 0;
所以同理可以推出dp[0][j]当j为奇数的时候都初始化为 -prices[0]
代码如下:
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
在初始化的地方同样要类比j为偶数是卖、奇数是买的状态。
- 确定遍历顺序
从递归公式其实已经可以看出,一定是从前向后遍历,因为dp[i],依靠dp[i - 1]的数值。
最后一次卖出,一定是利润最大的,dp[prices.size() - 1][2 * k]即红色部分就是最后求解。
当然有的解法是定义一个三维数组dp[i][j][k],第i天,第j次买卖,k表示买还是卖的状态,从定义上来讲是比较直观。
但感觉三维数组操作起来有些麻烦,我是直接用二维数组来模拟三维数组的情况,代码看起来也清爽一些。
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
if (prices.size() == 0) return 0;
vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
for (int i = 1; i < prices.size(); ++i) {
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = max(dp[i-1][j+1], dp[i-1][j] - prices[i]);
dp[i][j + 2] = max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]);
}
}
return dp[prices.size()-1][2 * k];
}
};