123.买卖股票的最佳时机III
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。
解题思路
本题相比之前的买卖股票看上去复杂了些,不过万变不离其宗,仍然可以采用动态规划的步骤来分析:
确定dp数组及下标含义
dp数组一共有五个状态:
dp[i][0]:表示第i天不做任何操作的剩余现金
dp[i][1]:表示第i天第一次持有股票的剩余现金(代表的是第i天的状态,不是第i天才买入)
dp[i][2]: 表示第i天第一次卖出股票的剩余现金
dp[i][3]: 表示第i天第二次持有股票的剩余现金
dp[i][4]: 表示第i天第二次卖出股票的剩余现金
确定递推公式
达到dp[i][1] 状态有两种情况:
一,第i 天买入股票,前一天不做操作: dp[i][1] = dp[i-1][0]-prices[i]
二,前一天买入股票,并保持到第i天: dp[i][1] = dp[i-1][1]
dp[i][1] = max(dp[i-1][0]-prices[i],dp[i-1][1])
达到dp[i][2] 状态有两种情况:
一,前一天持有股票,第i天卖出 : dp[i][2] = dp[i-1][1] + prices[i]
二,延续前一天的卖出股票状态,第i天保持不变:dp[i][2] = dp[i-1][2]
dp[i][2] = max(dp[i-1][1] + prices[i],dp[i-1][2])
达到dp[i][3] 状态有两种情况:
一,前一天卖出第一次的股票,第i天二次买入 : dp[i][3] = dp[i-1][2] - prices[i]
二,延续前一天的二次买入股票状态,第i天保持不变:dp[i][3] = dp[i-1][3]
dp[i][3] = max(dp[i-1][2] - prices[i],dp[i-1][3])
达到dp[i][4] 状态有两种情况:
一,前一天二次持有股票,第i天卖出 : dp[i][4] = dp[i-1][3] + prices[i]
二,延续前一天的卖出股票状态,第i天保持不变:dp[i][4] = dp[i-1][4]
dp[i][4] = max(dp[i-1][3] + prices[i],dp[i-1][4])
初始化
dp[0][0] = 0 ,初始现金为0
dp[0][1] = -prices[i] ,第一次买入
dp[0][2]= 0,第一天已经买入了再卖出
dp[0][3]= -prices[i],第二次买入
dp[0][4]=0,第二次卖出
遍历顺序
i从小到大
结果
最大利润一定是第二次卖出的状态.如果第一次买入已经是最大值了,那么可以在当天买入再卖出。所以第二次卖出的情况中已经包含了第一次卖出的最大状态。
故最终结果为dp[prices.length-1][4]
代码示例-java
class Solution {
public int maxProfit(int[] prices) {
// 定义dp数组
int[][] dp = new int[prices.length][5];
// 初始化
dp[0][0] = 0 ;
dp[0][1] = -prices[0] ;
dp[0][2]= 0;
dp[0][3]= -prices[0];
dp[0][4]=0;
// 遍历
for(int i=1;i<prices.length;i++){
dp[i][1] = Math.max(dp[i-1][0] - prices[i], dp[i - 1][1]);
dp[i][2] = Math.max(dp[i - 1][1] + prices[i], dp[i - 1][2]);
dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
return dp[prices.length-1][4];
}
}
空间优化版
class Solution {
public int maxProfit(int[] prices) {
int[] dp = new int[4];
// 存储两次交易的状态就行了
// dp[0]代表第一次交易的买入
dp[0] = -prices[0];
// dp[1]代表第一次交易的卖出
dp[1] = 0;
// dp[2]代表第二次交易的买入
dp[2] = -prices[0];
// dp[3]代表第二次交易的卖出
dp[3] = 0;
for(int i = 1; i <= prices.length; i++){
// 要么保持不变,要么没有就买,有了就卖
dp[0] = Math.max(dp[0], -prices[i-1]);
dp[1] = Math.max(dp[1], dp[0]+prices[i-1]);
// 这已经是第二次交易了,所以得加上前一次交易卖出去的收获
dp[2] = Math.max(dp[2], dp[1]-prices[i-1]);
dp[3] = Math.max(dp[3], dp[2]+ prices[i-1]);
}
return dp[3];
}
}
188.买卖股票的最佳时机IV
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)。
示例 1: 输入:k = 2, prices = [2,4,1] 输出:2 解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2。
解题思路
题目在123的基础上做了扩展,不过仍然可以采用相同的分析法:
确定dp数组下标及含义
使用二维数组 dp[i][j] :第i天的状态为j,所剩下的最大现金是dp[i][j]
dp[i][0]:表示第i天不做任何操作的剩余现金
dp[i][1]:表示第i天第一次持有股票的剩余现金(代表的是第i天的状态,不是第i天才买入)
dp[i][2]: 表示第i天第一次卖出股票的剩余现金
dp[i][3]: 表示第i天第二次持有股票的剩余现金
dp[i][4]: 表示第i天第二次卖出股票的剩余现金
..........
dp[i][j]: 表示第i天第j次卖出股票的剩余现金
可以看到当j为奇数时,代表买入,j为偶数时代表卖出 . 当有k笔交易那么k的范围为 2 * k + 1
确定递推公式
考虑j的奇偶性,j有两种情况,分别代表买入卖出。
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
dp数组初始化
dp[0][0] = 0
dp[0][1] = -prices[0]
dp[0][2] = 0
dp[0][3] = -prices[0]
dp[0][4] = 0
所以当j为奇数时都初始化为 -prices[0],偶数时默认初始化为0
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
遍历顺序
从前向后,由dp[i-1] [j]推导出 dp[i][j]
代买示例-java
class Solution {
public int maxProfit(int k, int[] prices) {
if (prices.length == 0) return 0;
// 定义dp数组 [天数][股票状态]
// 股票状态: 奇数表示第 k 次交易持有/买入, 偶数表示第 k 次交易不持有/卖出, 0 表示没有操作
int len = prices.length;
int[][] dp = new int[len][k*2 + 1];
// dp数组的初始化,j为奇数时统一初始化为-prices[0],其余初始化0
for (int i = 1; i < k*2; i += 2) {
dp[0][i] = -prices[0];
}
// 遍历
for (int i = 1; i < len; i++) {
for (int j = 0; j < k*2 - 1; j += 2) {
dp[i][j + 1] = Math.max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = Math.max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
}
return dp[len - 1][k*2];
}
}