给你一个整数数组 prices
和一个整数 k
,其中 prices[i]
是某支给定的股票在第 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。也就是说,你最多可以买 k
次,卖 k
次。
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 。
示例 2:
输入:k = 2, prices = [3,2,6,5,0,3] 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 。
提示:
1 <= k <= 100
1 <= prices.length <= 1000
0 <= prices[i] <= 1000
采用动态规划,dp[i][j]描述
: 在第 i
天进行第 j
次交易。j
是从0开始,每次步长为2。因此(j
为奇数表示买入,j
为偶数表示卖出)所能获得的最大利润。
-
初始化动态规划表格:
j为奇数时,dp[0][j]
: 初始化为-prices[0]。在第0天无论多少次买卖,在买入时都是花费了prices[0]块钱。
j
为偶数时,dp[0][j]
:初始化为0。在第0天利润一定是0。 -
遍历股票价格:
遍历每一天
,模拟时间流逝。 -
更新动态规划表格:
- 对于每一天
i
和每一种交易类型j
:- 如果
j
为奇数(买入):dp[i][j + 1]
: 在第i
天买入股票的最大利润,考虑前一天卖出股票而在当天买入股票的利润dp[i-1][j]-prices[i]和前一天买入而当天无操作的较大值
。 - 如果
j
为偶数(卖出):dp[i][j + 2]
: 在第i
天卖出股票的最大利润,考虑前一天买入股票而当天卖出的利润dp[i-1][j+1]+prices[i]和前一天已经卖出的较大值
。
- 如果
- 对于每一天
-
返回最大利润:
- 返回动态规划表格的最后一个元素
dp[prices.size()-1][2*k]
,即在最后一天进行第k
次交易所能获得的最大利润。
- 返回动态规划表格的最后一个元素
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];
}
};
重点就在状态转移方程:
dp[i][j + 1] = max(dp[i-1][j+1],dp[i-1][j] - prices[i]);
表示在第 i
天进行第 j+1
次交易(买入)的最大利润,由以下两种情况决定:
- 情况 1:在前一天(第
i-1
天)进行第j+1
次交易(买入)。 - 情况 2:在前一天(第
i-1
天)进行第j
次交易(卖出),然后在第i
天进行第j+1
次交易(买入)。
dp[i][j + 2] = max(dp[i-1][j+2],dp[i-1][j+1] + prices[i]);
表示在第 i
天进行第 j+2
次交易(卖出)的最大利润,由以下两种情况决定:
- 情况 1:在前一天(第
i-1
天)进行第j+2
次交易(卖出)。 - 情况 2:在前一天(第
i-1
天)进行第j+1
次交易(买入),然后在第i
天进行第j+2
次交易(卖出)。