leetcode123-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）。

示例 1:

输入: [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 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1] 
输出: 0 
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。

一、思路

（一）动态规划

罗列这道题目中所有的状态：

• 天数，用i表示
• 交易次数，用k表示
• 股票持有状态，用j表示

罗列本题中，在某一天中所能进行的操作：

• buy，购买股票
• sell，出售股票
• rest，保持原来的持股状态

注意，部分操作是有条件的，buy操作只能在未持股的条件下进行，sell操作只能在持股条件下进行

1、状态转移框架

建立状态转移表$dp[i][k][j]$

• i：表示第i天
• k：表示当前已经交易过k次了
• j：表示持有股票的状态

所以我们需要计算的答案是：$dp[n-1][2][0]$

2、状态转移方程

（1）状态转移方程

• $dp[i][k][0]=max(dp[i-1][k][0],dp[i-1][k][1]+prices[i])$
  $dp[i][k][0]$表示：在第i天，已经交易过k次，未持股状态下，所能得到的最大利润
  那么这个状态（i，k，0）是怎么得出来的呢？
  从持股状态分析：
  （1）要么昨天也没有持股，并且执行rest操作；
  （2）要么昨天持有股票，执行sell操作，交易包括buy与sell，这里只在buy的时候计入交易次数。
• $dp[i][k][1]=max(dp[i-1][k][1],dp[i-1][k-1][0]-prices[i])$
  $dp[i][k][1]$表示：在第i天，已经交易过k次，持股状态下，所能得到的最大利润
  那么这个状态（i，k，1）是怎么得出来的呢？
  从持股状态分析：
  （1）要么昨天也持股，并且执行rest操作；
  （2）要么昨天未持股，执行buy操作，交易包括buy与sell，这里只在buy的时候计入交易次数。

（2）如何初始化

第0天的状态：

• 从天数上看，第0天之前，我们认为利润为0，不持股，只有一种状态，即：$dp[-1]=0,prices[-1]=0$
• 从交易次数上看，显然是0次，注意：这里的k表示之前交易的次数，如果今天发生交易，不会计算在内
• 从持股状态上看：要么持股（今天购买，不计入今天的交易次数）；要么不持股
• 从操作上看：要么rest；要么buy（不可能sell）。

请注意持股状态直接受操作的影响
因为第-1天的状态只有一个，可执行的操作只有2个，因此得第0天状态只有2个。

但是第0天之前真的不能发生交易吗？
我们可以假设，能发生交易，买了之后马上卖掉，利润为0，就当损失了一次交易机会。

根据上述分析，我们知道如下信息：

dp[0][0][0] = 0
dp[0][1][0] = 0
dp[0][2][0] = 0
dp[0][0][1] = -prices[0]
dp[0][1][1] = -prices[0]
dp[0][2][1] = -prices[0]

C++代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.size() == 0 || prices.size() == 1)
            return 0;
        vector<vector<vector<int>>> dp(prices.size(), vector<vector<int>>(3, vector<int>(2, 0)));
        // 第0天的初始化
        dp[0][0][0] = 0;
        dp[0][0][1] = -prices[0];
        dp[0][1][0] = 0;
        dp[0][1][1] = -prices[0];
        dp[0][2][0] = 0;
        dp[0][2][1] = -prices[0];
        for(int i=1; i < prices.size(); i++){
            dp[i][0][0] = dp[i - 1][0][0];
            dp[i][0][1] = dp[i - 1][0][1];
            dp[i][1][0] = max(dp[i - 1][1][1] + prices[i], dp[i - 1][1][0]);
            dp[i][1][1] = max(dp[i - 1][0][0] - prices[i], dp[i - 1][1][1]);
            dp[i][2][0] = max(dp[i - 1][2][1] + prices[i], dp[i - 1][2][0]);
            dp[i][2][1] = max(dp[i - 1][1][0] - prices[i], dp[i - 1][2][1]);
        }
        return dp[prices.size() - 1][2][0];
    }
};