动态规划之股票问题188

股票问题作为动态规划里十分经典的题目，也有着一些难度，在这里，我试图给出一套股票问题的模板。

使用这套模板，打到资本主义的压榨。

121. 买卖股票的最佳时机
122. 买卖股票的最佳时机 II
123. 买卖股票的最佳时机 III
188. 买卖股票的最佳时机 IV
309. 最佳买卖股票时机含冷冻期
714. 买卖股票的最佳时机含手续费

问题描述：

给定一个整数数组 prices ，它的第 i 个元素 prices[i] 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 k 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）。

 

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

示例：

输入：k = 2, prices = [3,2,6,5,0,3]
输出：7
解释：在第 2 天 (股票价格 = 2) 的时候买入，在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
     随后，在第 5 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 。

 分析：

和123有区别吗？只不过时2变成了k，啥都不说，直接看代码

上代码：

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        # dp[i][j]  i 天，j次
        # dp0  手头没有股票
        # dp1  手头有股票
        if not prices:
            return 0
        dp0 = [[0]*(k+1) for _ in range(len(prices))]
        dp1 = [[0]*(k+1) for _ in range(len(prices))]

        for i in range(k+1):
            dp1[0][i] = -prices[0]
        
        for i in range(1, len(prices)):
            dp1[i][0] = max(dp1[i-1][0], -prices[i])
            for j in range(1,k+1):
                dp0[i][j] = max(dp0[i-1][j], dp1[i-1][j-1] + prices[i])
                dp1[i][j] = max(dp1[i-1][j], dp0[i-1][j] - prices[i])
        return dp0[-1][-1]