给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
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)。
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
示例:
输入: [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
方法一:动态规划
用
f
[
i
]
f[i]
f[i]表示第i天结束后的
累计最大收益。根据题目描述,由于我们最多只能同时买入(持有)一支股票,并且卖出的股票有冷冻期限制,因此我们会有三种不同的状态:
- 我们目前有一支股票,对应的最大累计收益计为 f [ i ] [ 0 ] f[i][0] f[i][0];
- 我们目前不持有任何股票,并且处于冷冻期,对应的最大累计收益记为 f [ i ] [ 1 ] f[i][1] f[i][1];
- 我们目前不持有任何股票,并且不处于冷冻期,对应的最大累计收益记为 f [ i ] [ 2 ] f[i][2] f[i][2]。
这里的「处于冷冻期」指的是在第 ii 天结束之后的状态。
也就是说:如果第 i 天结束之后处于冷冻期,那么第 i+1 天无法买入股票。
那么我们应该有三种状态转移方程:
- 对于
f
[
i
]
[
0
]
f[i][0]
f[i][0],我们目前所持有的的股票可能是昨天已经持有的,那么如果第
i
i
i天要继续持有,收益应该不变;但是还有一种可能是,昨天并没有持有,并且昨天不是冷冻期,而是今天买入并持有的,那么这种状态显然应该由
f
[
i
−
1
]
[
2
]
f[i-1][2]
f[i−1][2]转移而来,并且需要减去当他的股票价格。
f [ i ] [ 0 ] = m a x ( f [ i − 1 ] [ 0 ] , f [ i − 1 ] [ 2 ] − p r i c e s [ i ] ) f[i][0] = max(f[i-1][0],f[i-1][2]-prices[i]) f[i][0]=max(f[i−1][0],f[i−1][2]−prices[i]) - 对于
f
[
i
]
[
1
]
f[i][1]
f[i][1],由于在第
i
+
1
i+1
i+1天将处于冷冻期,那么说明今天就要把股票卖掉,也就是说,在第
i
−
1
i-1
i−1天是持有一直股票的,转移方程应该由
f
[
i
−
1
]
[
0
]
f[i-1][0]
f[i−1][0]转移过来,比较简单。
f [ i ] [ 1 ] = f [ i − 1 ] [ 0 ] + p r i c e s [ i ] f[i][1]=f[i-1][0]+prices[i] f[i][1]=f[i−1][0]+prices[i] - 对于
f
[
i
]
[
2
]
f[i][2]
f[i][2],由于当天结束后,没有持有股票,也不属于冷冻期,所以当天并没有任何操作:如果前一天卖掉的一支股票,那么应该由
f
[
i
−
1
]
[
1
]
f[i-1][1]
f[i−1][1]转移过来,如果前一天也什么都没做,那么应该由
f
[
i
−
1
]
[
2
]
f[i-1][2]
f[i−1][2]转移过来。
f [ i ] [ 2 ] = m a x ( f [ i − 1 ] [ 1 ] , f [ i − 1 ] [ 2 ] ) f[i][2] = max(f[i-1][1],f[i-1][2]) f[i][2]=max(f[i−1][1],f[i−1][2])
还应注意的是初始条件
f
[
0
]
[
0
]
=
−
p
r
i
c
e
s
[
0
]
,
f
[
0
]
[
1
]
=
0
,
f
[
0
]
[
2
]
=
0
f[0][0] = -prices[0], f[0][1] = 0, f[0][2] = 0
f[0][0]=−prices[0],f[0][1]=0,f[0][2]=0
第0天就持有股票说明一定是负收益,不持有肯定是0收益
代码:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if(n==0) return 0;
vector<vector<int>> f(n, vector<int>(3, 0));
f[0][0] = -prices[0];
for (int i=1; i<n; ++i)
{
f[i][0] = max(f[i-1][0], f[i-1][2] - prices[i]);
f[i][1] = f[i-1][0] + prices[i];
f[i][2] = max(f[i-1][2], f[i-1][1]);
}
return max(f[n-1][1], f[n-1][2]);
}
};
方法二:空间优化
dp空间优化的老套路,由于第 i i i天的状态只跟第 i − 1 i-1 i−1天的状态有关,那么我们只需要维护一些变量保存第 i − 1 i-1 i−1天的状态就好了。
代码:
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
if(n==0) return 0;
int f0 = -prices[0];
int f1 = 0;
int f2 = 0;
for(int i=1; i<n; ++i)
{
int newf0 = max(f0, f2-prices[i]);
int newf1 = f0 + prices[i];
int newf2 = max(f2, f1);
f0 = newf0;
f1 = newf1;
f2 = newf2;
}
return max(f1, f2);
}
};