188. 买卖股票的最佳时机 IV
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 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: [2,4,1], k = 2
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 。
示例 2:
输入: [3,2,6,5,0,3], k = 2
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 。
本题是前面好几道题的的综合,真的把我整累了!
注意:这里由于买入卖出一组操作最少需要两天,所以如果 k 大于 N股票长度的一半就相当于无限制的买卖, k == ∞ 的情况。这里需要进行判断,减少运行时间。
from typing import List
#动态规划的方法 dp[i][j][k]
# i:天数 j:持有/未持有 k:交易次数(买入)
class Solution:
def maxProfit(self, k: int, prices: List[int]) -> int:
if not prices: return 0
count = len(prices)
#k比列表的一半都长,相当于无限次交易
if k > count//2:
res = 0
for i in range(1, count):
if prices[i] > prices[i-1]:
res += (prices[i]-prices[i-1])
return res
elif k == 1:#k ==1的时候,相当于只买卖一次,是之前的一个题目
# dp_single = [0] * count
pre, cur = float('INF'), 0
for i in range(count):
pre = min(pre, prices[i])
cur = max(cur, prices[i]-pre)
return cur
#计算购买次数为k时候的情形
dp = [[[0]*(k+1) for _ in range(2)] for _ in range(count)]
#给每一层赋初值,首先对每一层,[0][0]没买入,没股票,为0; [0][1]买入,没股票,不存在
#对每一次选择买入: 可以选择不买,重复k次,即可以购买1-k次
for i in range(count):
dp[i][0][0] = 0
dp[i][1][0] = -float('INF')
for j in range(1, k+1):
dp[0][0][j] = 0
dp[0][1][j] = -prices[0]
#三维的dp,dp[i][j][w],分别代表第几次;是否持有股票;已经购买次数
for i in range(1, count):
for w in range(1, k+1):
dp[i][0][w] = max(dp[i-1][0][w], dp[i-1][1][w] + prices[i])#不持有股票
dp[i][1][w] = max(dp[i-1][1][w], dp[i-1][0][w-1] - prices[i])#持有股票
return dp[-1][0][-1]
if __name__ == "__main__":
s = Solution()
print(s.maxProfit(k = 4 ,prices = [5,7,2,7,3,3,5,3,0]))
```