【LeetCode】123. 买卖股票的最佳时机 III（困难）——代码随想录算法训练营Day50

题目链接：123. 买卖股票的最佳时机 III

题目描述

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：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 。

示例 2：

输入：prices = [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：prices = [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。

示例 4：

输入：prices = [1]
输出：0

文章讲解：代码随想录

视频讲解：动态规划，股票至多买卖两次，怎么求？ | LeetCode：123.买卖股票最佳时机III_哔哩哔哩_bilibili

题解1：动态规划

思路：第 i 天某次持有股票的最大现金和不持有股票的最大现金与前一天有关，可以使用动态规划法。

动态规划分析：

• dp 数组以及下标的含义：dp 是一个二维数组，每行四个元素。dp[i][0] 表示第 i 天第1次持有股票所得的最大现金，dp[i][1] 代表第 i 天第1次不持有股票所得的最大现金，dp[i][2] 表示第 i 天第2次持有股票所得的最大现金，dp[i][3] 代表第 i 天第2次不持有股票所得的最大现金。
• 递推公式：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])。
• dp 数组初始化：dp[0][0] = -prices[0]，dp[0][1] = 0，dp[0][2] = -prices[0]，dp[0][3] = 0。
• 遍历顺序：从前到后。
• 打印 dp 数组：以输入 [3,3,5,0,0,3,1,4] 为例，dp 数组为 [ [ -3, 0, -3, 0 ], [ -3, 0, -3, 0 ], [ -3, 2, -3, 2 ], [ -0, 2, 2, 2 ], [ -0, 2, 2, 2 ], [ -0, 3, 2, 5 ], [ -0, 3, 2, 5 ], [ -0, 4, 2, 6 ] ]。

/**
 * @param {number[]} prices
 * @return {number}
 */
var maxProfit = function(prices) {
    const dp = new Array(prices.length).fill().map(() => new Array(2));
    dp[0][0] = -prices[0]; // 第一次持有
    dp[0][1] = 0; // 第一次不持有
    dp[0][2] = -prices[0]; // 第二次持有
    dp[0][3] = 0; // 第二次不持有
    for (let 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];
};

分析：时间复杂度为 O(n)，空间复杂度为 O(n)。

收获

练习动态规划法求解买卖股票问题，明确状态定义。