188. 买卖股票的最佳时机 IV

188. 买卖股票的最佳时机 IV

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]