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)。
示例 1:
输入: [2,4,1], k = 2
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 。
示例 2:
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 。
解题思路
自己没想出来,参照labuladong的算法小抄 团灭股票买卖问题。
每一天股票的买卖股票的状态选择为:不进行股票交易(继续持有或者继续未持有状态)、购买股票、卖出股票三种状态。状态之间的转移如下图:
翻译为文字如下:
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
max( 选择 rest , 选择 sell )
解释:今天我没有持有股票,有两种可能:
要么是我昨天就没有持有,然后今天选择 rest,所以我今天还是没有持有;
要么是我昨天持有股票,但是今天我 sell 了,所以我今天没有持有股票了。
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
max( 选择 rest , 选择 buy )
解释:今天我持有着股票,有两种可能:
要么我昨天就持有着股票,然后今天选择 rest,所以我今天还持有着股票;
要么我昨天本没有持有,但今天我选择 buy,所以今天我就持有股票了。
状态转移方程如下:
base case:
dp[-1][k][0] = dp[i][0][0] = 0
dp[-1][k][1] = dp[i][0][1] = -infinity
状态转移方程:
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
class Solution:
def maxProfitInfK(self,prices):
dp_i0 = 0
dp_i1 = -prices[0]
for i in range(1,len(prices)):
tmp = dp_i0
dp_i0 = max(dp_i0,dp_i1 + prices[i])
dp_i1 = max(dp_i1,tmp - prices[i])
return dp_i0
def maxProfit(self, k: int, prices: List[int]) -> int:
if len(prices) <= 1 or k < 1:
return 0
if k > len(prices) // 2:
return self.maxProfitInfK(prices)
k = min(k,len(prices))
dp = [[[0,0] for ki in range(k+1)] for i in range(len(prices))]
print(k,len(dp))
for i in range(len(prices)):
for ki in range(1,k+1):
if i == 0:
dp[i][ki][0] = 0
dp[i][ki][1] = -prices[i]
continue
dp[i][ki][0] = max(dp[i-1][ki][0], dp[i-1][ki][1] + prices[i])
dp[i][ki][1] = max(dp[i-1][ki][1], dp[i-1][ki-1][0] - prices[i])
return dp[len(prices)-1][ki][0]