LeetCode 123 + LeetCode 188 买卖股票的最佳时机

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)