代码随想录Day_50打卡

①、买卖股票的最佳时机Ⅲ

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）。

事例：

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：

        跟前面两道买卖股票一致，使用动态规划。在最佳时机Ⅱ中添加一个维度，连着表示第几次持有股票或不持有股票。如dp[i][0]表示第一次持有股票的最大金额，dp[i][1]表示第一次不持有股票的最大金额。。。持有和不持有股票其实就是股票的买入卖出的瞬间转变，故dp的第二个维度决定着依赖关系，如dp[i][1]依赖于dp[i - 1][0]，dp[i][2]依赖于dp[i - 1][1]。最终求得两次买卖后的最大利润dp[price.length - 1][3]。

动态规划：

        dp定义及含义：dp[i][0]表示某天第一次持有股票状态的最大金额，dp[i][1]表示第i天不持有股票状态的最大金额，2 3类似。

        状态转移方程：dp[i][0] = Math.max(dp[i - 1][0],-price[i]) dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][0] + price[i]) 2 3类似

        初始化：dp[0][0] = dp[0][2] = -price[0]，因为第一天只有这两种状态是购买股票，需要金额。

        遍历顺序：股票金额正序遍历，根据dp的第二个维度正序赋值，因为dp中的第二个维度前后具有依赖性。

        dp[price.length - 1][3]即为答案。

代码：

public int maxProfit(int[] prices) {
        if(prices.length == 1) return 0;
        int[][] dp = new int[prices.length][4];
        dp[0][0] = -prices[0];
        dp[0][2] = -prices[0];
        for(int i = 1;i < prices.length;i++){
            dp[i][0] = Math.max(dp[i - 1][0],-prices[i]);
            dp[i][1] = Math.max(dp[i - 1][1],dp[i - 1][0] + prices[i]);
            dp[i][2] = Math.max(dp[i - 1][2],dp[i - 1][1] - prices[i]);
            dp[i][3] = Math.max(dp[i - 1][3],dp[i - 1][2] + prices[i]);
        }
        return dp[prices.length - 1][3];
    }

②、买卖股票的最佳时机Ⅳ

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）。

事例：

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：

        跟上一题类似，只是dp的第二个维度扩大了，可以用二维数组，两两表示某一次的持有和不持有股票状态的最大值，也可以使用三维数组，第二个维度表示第i次交易，第三个维度表示持有股票或不持有股票。

        由于第i次交易的值需要依赖于前一次交易的金额，但第一次持有股票状态不用依赖，在代码实现中，第二个维度可以多添加一个空状态，起到类似头结点那种作用，避免代码报错。

二维数组：

        创建二维数组dp[][]，列上两两表示某一次交易，如: 1 2表示第一次持有股票或不持有股票的最大金额，依次类推。在赋值过程中，借助一个for循环，赋值k次交易的值。从头结点0开始，加1表示持有状态，加2表示不持有状态依次赋值。

代码：

public int maxProfit(int k, int[] prices) {
        if(prices.length == 1) return 0;
        int[][] dp = new int[prices.length][2 * k + 1];
        for(int i = 1;i < 2 * k;i += 2){
            dp[0][i] = -prices[0];
        }
        for(int i = 1;i < prices.length;i++){
            for(int j = 0;j < 2 * k - 1;j += 2){
                dp[i][j + 1] = Math.max(dp[i - 1][j + 1],dp[i - 1][j] - prices[i]);
                dp[i][j + 2] = Math.max(dp[i - 1][j + 2],dp[i - 1][j + 1] + prices[i]);
            }
        }
        return dp[prices.length - 1][2 * k];

    }

三维数组：

        创建三维数组dp[][][]，第二个维度表示第i次交易，第三个维度表示持有或不持有股票的最大金额。跟二维数组其实就表现在赋值的变化。二维数组循环变量j需要 +2 跳到下一次交易，三维数组不用。

代码：

public int maxProfit(int k, int[] prices) {
        //三维dp
        if(prices.length == 1) return 0;
        int[][][] dp = new int[prices.length][k + 1][2];
        for(int i = 0;i < k + 1;i++){
            dp[0][i][0] = -prices[0];
        }
        for(int i = 1;i < prices.length;i++){
            for(int j = 1;j <= k;j++){
                dp[i][j][0] = Math.max(dp[i - 1][j][0],dp[i - 1][j - 1][1] - prices[i]);
                dp[i][j][1] = Math.max(dp[i - 1][j][1],dp[i - 1][j][0] + prices[i]);
            }
        }
        return dp[prices.length - 1][k][1];
    }

参考：代码随想录 (programmercarl.com)