LeetCode 123. 买卖股票的最佳时机 III
题目的👍:2823
题目的👎:78
1、问题描述
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。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
2、思路与解法
这个代码还是蛮容易理解的吧,dp0代表持有股票1时的最大收益,dp1代表已经卖出一个股票(不持有)时的最大收益,dp2代表持有第二个股票时的最大收益,dp3代表已经卖出第二个股票(不持有)时的最大收益。
考虑动态规划的状态转移:
dp0[i]=Math.max(dp0[i-1],-prices[i]);
这个简单,持有一个股票最小,那肯定是持有价值最低的那个股票
dp1[i] = Math.max(dp1[i-1],dp0[i-1]+prices[i]);
考虑dp1从什么状态转化而来?有两种情况:
1、昨天我们已经有了一个股票,今天把那个股票卖了(对应dp0[i-1]+prices[i])
2、昨天我们没有股票,因为我们在更早之前就把买入的第一个股票卖了(对应dp1[i-1])
我们取两者的最大值
dp2[i] = Math.max(dp2[i-1],dp1[i-1]-prices[i]);
dp2从什么状态转化而来?也有两种情况:
1、昨天或者之前我们已经把股票卖了,然后今天我们买入股票(对应dp1[i-1]-prices[i])
2、昨天我们就持有第二个股票,这一天我们保持原状(对应dp2[i-1])
取两者的最大值
dp3[i] = Math.max(dp3[i-1],dp2[i-1]+prices[i]);
最后仍然有两种情况
1、昨天或者之前我们一直持有着第二个股票,今天我们把他卖掉(对应于dp2[i-1]+prices[i])
2、昨天或之前我们就卖过了第二个股票,保持原状(对应于dp3[i-1])
根据思路可以列出表格如下,案例是[3,3,5,0,0,3,1,4]
3 | 3 | 5 | 0 | 0 | 3 | 1 | 4 |
---|---|---|---|---|---|---|---|
-3 | -3 | -3 | 0 | 0 | 0 | 0 | 0 |
0 | 0 | 2 | 2 | 2 | 3 | 3 | 4 |
0 | 0 | 0 | 2 | 2 | 2 | 2 | 2 |
0 | 0 | 0 | 0 | 2 | 5 | 5 | 6 |
在绘制表格的过程中我们可以发现,每求一列,其实只要根据上一列的结果得到就行,因此我们只需4个变量即可。
3、代码
class Solution {
public int maxProfit(int[] prices) {
int dp3 = 0;
int dp2 = -prices[0];
int dp1 = 0;
int dp0 = -prices[0];
for(int i = 1;i<prices.length;++i) {
dp3 = Math.max(dp3,dp2+prices[i]);
dp2 = Math.max(dp2,dp1-prices[i]);
dp1 = Math.max(dp1,dp0+prices[i]);
dp0 = Math.max(dp0,-prices[i]);
}
return Math.max(dp1,dp3);
}
}
4、复杂度
时间复杂度:一次遍历O(n)
空间复杂度:借用了常数空间O(1)
LeetCode 188. 买卖股票的最佳时机 IV
题目的👍:1998
题目的👎:126
1、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)。
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 。
示例 2:
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 。
2、方法
其实如果先写的是上面那个题的话,下面这个题拓展起来是非常简单的,嗯。。直接扩展到k=n就行,题目都不怎么需要看,可以看出就会有k*2中状态,状态的转移方式还是一样。不过由于测试案例需要我们对方法进行优化,如果K大于天数的一半的话,说明我们可以选择所有递增的序列,即贪心的思想。
3、代码
class Solution {
public int maxProfit(int k, int[] prices) {
if(prices.length == 0 || k == 0) return 0;
if(k >= prices.length/2) return greedy(prices);
int[] dp = new int[k*2];
for(int i = 0;i<dp.length;i+=2) dp[i] = -prices[0];
for(int i = 1;i<prices.length;++i) {
int flag = 1;
for(int j = dp.length-1;j>0;--j) {
dp[j] = Math.max(dp[j],dp[j-1] + flag*prices[i]);
flag *= -1;
}
dp[0] = Math.max(dp[0],-prices[i]);
}
int res = 0;
for(int i = 1;i<dp.length;i+=2) res = Math.max(res,dp[i]);
return res;
}
private int greedy(int[] prices) { //除了多了贪心这块,其他没啥变化
int max = 0;
for(int i = 1; i < prices.length; ++i) {
if(prices[i] > prices[i-1])
max += prices[i] - prices[i-1];
}
return max;
}
}
4、复杂度
时间复杂度:两重循环 O(nk)
空间复杂度:一维数组 O(n)