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。