39.leetcode题目121、 122、 123

121题：动态规划

Say you have an array for which the ith element is the price of a given stock on day i.

If you were only permitted to complete at most one transaction (ie, buy one and sell one share of the stock), design an algorithm to find the maximum profit.

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size()<2)
        return 0;
        int res=0,small=prices[0];
        for(vector<int>::size_type i=1;i<prices.size();++i){
            if(prices[i]<small)
            small=prices[i];
            if(prices[i]-small>res)
            res=prices[i]-small;
        }
        
        return res;
    }
};

122题：Best Time to Buy and Sell Stock II

分析：注意，不限购买次数！！！只要i的价格大于i-1的价格，将差价计入res中。

123题：Best Time to Buy and Sell Stock III

分析：只买两次。

动态规划，i天前交易一次的最大收益，i天后交易一次的最大收益，二者之和即为最大收益。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size()<2)
        return 0;
        int small=prices[0],max=0;
        vector<int> first(prices.size(),0);
          for(vector<int>::size_type i=1;i<prices.size();++i){
              if(prices[i]<small)
                  small=prices[i];
              if(prices[i]-small>max)
                  max=prices[i]-small;
              first[i]=max;
          }
        max=0;
        int large=prices[prices.size()-1];
        for(vector<int>::size_type i=prices.size()-2;int(i)>=0;--i){
                  if(prices[i]>large)
                  large=prices[i];
              if(large-prices[i]>max)
                  max=large-prices[i];
                  first[i]+=max;
              }
        sort(first.begin(),first.end(),greater<int>());
        return first[0];
    }
};

188.Best Time to Buy and Sell Stock IV

//以下内容是我从别人的博客复制过来的，因为我现在还不太会做这道题，所以先放着别人的方法，以供自己多看几遍，如侵权，请联系删除~~~~///我就是自己学习一下~~~

题意：用一个数组表示股票每天的价格，数组的第i个数表示股票在第i天的价格。最多交易k次，手上最多只能持有一支股票，求最大收益。

分析：特殊动态规划法。传统的动态规划我们会这样想，到第i天时进行j次交易的最大收益，要么等于到第i-1天时进行j次交易的最大收益（第i天价格低于第i-1天的价格），要么等于到第i-1天时进行j-1次交易，然后第i天进行一次交易（第i天价格高于第i-1天价格时）。于是得到动规方程如下（其中diff = prices[i] – prices[i – 1]）：

profit[i][j] = max(profit[i – 1][j], profit[i – 1][j – 1] + diff)

看起来很有道理，但其实不对，为什么不对呢？因为diff是第i天和第i-1天的差额收益，如果第i-1天当天本身也有交易呢（也就是说第i-1天刚卖出了股票，然后又买入等到第i天再卖出），那么这两次交易就可以合为一次交易，这样profit[i – 1][j – 1] + diff实际上只进行了j-1次交易，而不是最多可以的j次，这样得到的最大收益就小了。

那么怎样计算第i天进行交易的情况的最大收益，才会避免少计算一次交易呢？我们用一个局部最优解和全局最有解表示到第i天进行j次的收益，这就是该动态规划的特殊之处。

用local[i][j]表示到达第i天时，最多进行j次交易的局部最优解；用global[i][j]表示到达第i天时，最多进行j次的全局最优解。它们二者的关系如下（其中diff = prices[i] – prices[i – 1]）：

local[i][j] = max(global[i – 1][j – 1] , local[i – 1][j] + diff)
global[i][j] = max(global[i – 1][j], local[i][j])

local[i][j]和global[i][j]的区别是：local[i][j]意味着在第i天一定有交易（卖出）发生，当第i天的价格高于第i-1天（即diff > 0）时，那么可以把这次交易（第i-1天买入第i天卖出）跟第i-1天的交易（卖出）合并为一次交易，即local[i][j]=local[i-1][j]+diff；当第i天的价格不高于第i-1天（即diff<=0）时，那么local[i][j]=global[i-1][j-1]+diff，而由于diff<=0，所以可写成local[i][j]=global[i-1][j-1]。global[i][j]就是我们所求的前i天最多进行k次交易的最大收益，可分为两种情况：如果第i天没有交易（卖出），那么global[i][j]=global[i-1][j]；如果第i天有交易（卖出），那么global[i][j]=local[i][j]。

参考：http://www.cnblogs.com/grandyang/p/4295761.html

代码：时间O(nk)，空间O(nk)。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

public class Solution {      public int maxProfit ( int k , int [ ] prices ) {          if ( prices . length < 2 ) return 0 ;                   int days = prices . length ;          if ( k >= days ) return maxProfit2 ( prices ) ;                   int [ ] [ ] local = new int [ days ] [ k + 1 ] ;          int [ ] [ ] global = new int [ days ] [ k + 1 ] ;                   for ( int i = 1 ; i < days ; i ++ ) {              int diff = prices [ i ] - prices [ i - 1 ] ;                           for ( int j = 1 ; j <= k ; j ++ ) {                  local [ i ] [ j ] = Math . max ( global [ i - 1 ] [ j - 1 ] , local [ i - 1 ] [ j ] + diff ) ;                  global [ i ] [ j ] = Math . max ( global [ i - 1 ] [ j ] , local [ i ] [ j ] ) ;              }          }                   return global [ days - 1 ] [ k ] ;      }                public int maxProfit2 ( int [ ] prices ) {          int maxProfit = 0 ;                   for ( int i = 1 ; i < prices . length ; i ++ ) {              if ( prices [ i ] > prices [ i - 1 ] ) {                  maxProfit += prices [ i ] - prices [ i - 1 ] ;              }          }                   return maxProfit ;      } }

我们知道，动规所用的二维辅助数组可以降为一维的，即只用大小为k的一维数组记录到达第i天时的局部最优解和全局最优解。需要注意的是，由于第i天时交易k次的最优解依赖于第i-1天时交易k-1次的最优解，所以数组更新应当从后往前（即从k到1）更新。

代码：时间O(nk)，空间O(k)。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

public class Solution {      public int maxProfit ( int k , int [ ] prices ) {          if ( prices . length < 2 ) return 0 ;          if ( k >= prices . length ) return maxProfit2 ( prices ) ;                   int [ ] local = new int [ k + 1 ] ;          int [ ] global = new int [ k + 1 ] ;                   for ( int i = 1 ; i < prices . length ; i ++ ) {              int diff = prices [ i ] - prices [ i - 1 ] ;                           for ( int j = k ; j > 0 ; j -- ) {                  local [ j ] = Math . max ( global [ j - 1 ] , local [ j ] + diff ) ;                  global [ j ] = Math . max ( global [ j ] , local [ j ] ) ;              }          }                   return global [ k ] ;      }                public int maxProfit2 ( int [ ] prices ) {          int maxProfit = 0 ;                   for ( int i = 1 ; i < prices . length ; i ++ ) {              if ( prices [ i ] > prices [ i - 1 ] ) {                  maxProfit += prices [ i ] - prices [ i - 1 ] ;              }          }                   return maxProfit ;      } }

补充：这道题还有一个陷阱，就是当k大于天数时，其实就退化成 Best Time to Buy and Sell Stock II 了。就不能用动规来做了，为什么？（请思考） 另外，Best Time to Buy and Sell Stock III 就是本题k=2的情况，所以说IV是II和III的综合。