DAY49 123.买卖股票的最佳时机III + 188.买卖股票的最佳时机IV

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];
    }
};