Leetcode 题解 - 动态规划-股票交易（4）： 只能进行 k 次的股票交易

[LeetCode] Best Time to Buy and Sell Stock IV 买卖股票的最佳时间之四

这个题只考虑 n-1天 也就是第二天到最后一天 只计算差值

而且， j从最大值开始k 因为从0 开始很多值都越界 而且最大值算的之后不会被覆盖

global是今天亏的情况 

local

Say you have an array for which the ith element is the price of a given stock on day i.

Design an algorithm to find the maximum profit. You may complete at most k transactions.

Note:
You may not engage in multiple transactions at the same time (ie, you must sell the stock before you buy again).

Credits:
Special thanks to @Freezen for adding this problem and creating all test cases.

 

这道题实际上是之前那道 Best Time to Buy and Sell Stock III 买股票的最佳时间之三的一般情况的推广，还是需要用动态规划Dynamic programming来解决，具体思路如下：

这里我们需要两个递推公式来分别更新两个变量local和global，参见网友Code Ganker的博客，我们其实可以求至少k次交易的最大利润。我们定义local[i][j]为在到达第i天时最多可进行j次交易并且最后一次交易在最后一天卖出的最大利润，此为局部最优。然后我们定义global[i][j]为在到达第i天时最多可进行j次交易的最大利润，此为全局最优。它们的递推式为：

local[i][j] = max(global[i - 1][j - 1] + max(diff, 0), local[i][j] + diff)

global[i][j] = max(local[i][j], global[i - 1][j])，

其中局部最优值是比较前一天并少交易一次的全局最优加上大于0的差值，和i天进行 j 次交易且今天卖最优加上差值后相比，两者之中取较大值，而全局最优比较局部最优和前一天的全局最优。

但这道题还有个坑，就是如果k的值远大于prices的天数，比如k是好几百万，而prices的天数就为若干天的话，上面的DP解法就非常的没有效率，应该直接用Best Time to Buy and Sell Stock II 买股票的最佳时间之二的方法来求解，所以实际上这道题是之前的二和三的综合体，代码如下：

 

class Solution {
    public int maxProfit(int k, int[] prices) {
        if(k >= prices.length) //如果大于长度要求的天数 那么我们直接比大小就行了
            return resovle(prices);
        int[] local = new int[k+1];
        int[] global = new int[k+1]; 
        for(int i = 0; i < prices.length - 1; i++){
            int diff = prices[i+1] - prices[i];
            for(int j = k; j > 0; j--){
                local[j] = Math.max(global[j - 1] + (diff > 0 ? diff : 0), 
                                   local[j] + diff);
                global[j] = Math.max(global[j], local[j]);
            
            }
        }
        return global[k];
    }
    private int resovle(int[] prices){
        int res = 0;
        for(int i = 1; i < prices.length; i++){
            if(prices[i] - prices[i - 1] > 0)
                res += prices[i] - prices[i - 1];
        }
        return res;
    }
}