数据结构之买卖股票

（leetcode刷题）

买卖股票的最佳时机

  题目： 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： 输入：[3,3,5,0,0,3,1,4]；输出：6。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
 

方法：动态规划

• 自己想不出，搬运下leetcode的解答。作者：labuladong 链接
• 思路问题：首先穷举所有的选择与状态，通过一个三维数组列出
  
• dp = [[[0, 0] for i in range(3)] for i in range(lens)]：建立一个三维列表，存放状态

• 初始化状态，由于建立列表时默认元素为0，所以只需要初始化负无穷。如：dp[i][0][1] = float('-inf')。
  
• 更新状态。i=0的值可以直接得到，dp[0][2][1] = dp[0][1][1] = -prices[0]
  
• 遍历所有天数。

def maxProfit(prices):
    kMax = 2
    lens = len(prices)
    if lens < 2:
        return 0
    dp = [[[0, 0] for i in range(3)] for i in range(lens)]
    dp[0][2][1] = -prices[0]
    dp[0][1][1] = -prices[0]
    for i in range(1, lens):
        dp[i][0][1] = float('-inf')
        for k in range(kMax, 0, -1):
            dp[i][k][0] = max(dp[i - 1][k][0], dp[i - 1][k][1] + prices[i])
            dp[i][k][1] = max(dp[i - 1][k][1], dp[i - 1][k - 1][0] - prices[i])
    return dp[-1][kMax][0]