LeetCode #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: [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。

思路

定义求解问题：

对于每一天，可能的操作有两种：买入、卖出。

但是相比于#123，这道题可以只可以买卖两次而不是无限次，因此需要在次数上做限制。

我们将

• dp[i][j][0]：定义为在第i天，完成了j笔交易情况下，没有股票的最大利润
• dp[i][j][1]：定义为在第i天，完成了j笔交易情况下，持有股票的最大利润

状态转移方程：

合法的状态转移一共有9种：

• 00->00: 完成交易数为0，没有持有股票
• 00->01: 完成交易数为0，买入股票
• 01->10: 完成交易数加1，出售股票
• 01->01: 完成交易数为0，持有股票
• 10->10: 完成交易数为1，没有持有股票
• 10->11: 完成交易数为1，买入股票
• 11->11: 完成交易数为1，持有股票
• 11->20: 完成交易数加1，出售股票
• 20->20: 完成交易数为2，没有持有股票
• 20->21: 非法状态，因为交易数已经为2，不能再购买股票

因此：

• dp[i][j][0] = max(dp[i-1][j][0], dp[i-1][j][1] + prices[i]);
• dp[i][j][1] = max(dp[i-1][j][1], dp[i-1][j-1][0] - prices[i]);
• 其中0<i<pricesize, 0<=j<=2

边界条件：

• dp[0][j][0] = 0;
• dp[0][j][1] = -pirce[0]
• 其中0<=j<=2

 实现

#define max(a,b) (a>b?a:b)
int maxProfit(int* prices, int pricesSize){
    if(pricesSize==0||pricesSize==1)
        return 0;
    int ***dp = (int***)malloc(sizeof(int**)*pricesSize);
    int count = 2;
    for(int i = 0; i< pricesSize; i++){
        dp[i] = (int**)malloc(sizeof(int*)*(count+1));
        for(int j=0;j < count+1; j++){
            dp[i][j] = (int*)malloc(sizeof(int)*2);
            memset(dp[i][j],0,sizeof(int)*2);
        }
    }
    for (int i = 0; i < pricesSize; i++) {
        for(int j = count; j > 0; j--){
            // 边界条件，单独定义买与不买的状态
            if(i==0){
                dp[i][j][0] = 0;
                dp[i][j][1] = -prices[i];
            }else{
                // 在第i天没持有股票，那么利润就max(本来就没买，把之前的股票卖掉了)
                dp[i][j][0] = max(dp[i-1][j][0], dp[i-1][j][1] + prices[i]);
                // 在第i天持有股票，那么利润等于max(这个股票是之前买，之前没有今天买入)
                dp[i][j][1] = max(dp[i-1][j][1], dp[i-1][j-1][0] - prices[i]);
            }
        }
    }
    return dp[pricesSize - 1][count][0];
}