一、题目描述
- 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:
输入 | 输出 | 解释 |
---|---|---|
prices = [3,3,5,0,0,3,1,4] | 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 。 |
prices = [1,2,3,4,5] | 4 | 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。 |
prices = [7,6,4,3,1] | 0 | 在这个情况下, 没有交易完成, 所以最大利润为 0。 |
提示:
- 1 < = p r i c e s . l e n g t h < = 1 0 5 1 <= prices.length <= 10^5 1<=prices.length<=105
- 0 < = p r i c e s [ i ] < = 1 0 5 0 <= prices[i] <= 10^5 0<=prices[i]<=105
二、求解思路:动态规划
1. 通俗易懂版本(三维动态规划,适合初学,但内存消耗和用时均较大)
- 假设
dp[i][j][k]
,其中i = prices.size()
表示第i
天,j = 2
表示持股和非持股这两个状态,k = 3
表示交易完成的次数(0,1,2共有三种状态)。考虑每天决策完是否买卖后的状态有以下六种情况:dp[i][0][0]
,表示截至第i
天未持股且未发生过一次交易。因此利润一直为 0 ;dp[i][1][0]
,表示截至第i
天持股且未发生过一次交易。分析可得可能是截至上一天未交易过且未持股而今天买了,或者截至上一天未交易过但持股而今天没卖(因为卖出才表示一次交易完成)。dp[i][0][1]
,表示截至第i
天未持股且发生过一次交易。分析可得可能是截至上一天已经交易过一次且未持股而今天没买,或者截至上一天未交易过且持股而今天卖了(卖出交易次数加一)。dp[i][1][1]
,表示截至第i
天持股且发生过一次交易。分析可得可能是截至上一天已经交易过一次且未持股而今天买了,或者截至上一天已经交易过一次且持股而今天没卖。dp[i][0][2]
,表示截至第i
天未持股且发生过两次交易。分析可得可能是截至上一天已经交易过两次且未持股而今天没买,或者截至上一天已经交易过一次且持股而今天卖了。dp[i][1][2]
,表示截至第i
天持股且发生过两次交易。分析可得可能是截至上一天已经交易过两次且未持股而今天买了,或者截至上一天已经交易过两次且持股而今天没卖。
- 由此,可确定各个状态的转移方程为:
dp[i][0][0] = 0
dp[i][1][0] = max(dp[i-1][0][0]-prices[i], dp[i-1][1][0])
dp[i][0][1] = max(dp[i-1][0][1], dp[i-1][1][0]+prices[i])
dp[i][1][1] = max(dp[i-1][0][1]-prices[i], dp[i-1][1][1])
dp[i][0][2] = max(dp[i-1][0][2], dp[i-1][1][1]+prices[i])
dp[i][1][2] = max(dp[i-1][0][2]-prices[i], dp[i-1][1][2])
- 考虑状态的初始值:
dp[0][0][0] = 0; dp[0][1][0] = -prices[i]
dp[0][0][1] = 0; dp[0][1][1] = -prices[i]
dp[0][0][2] = 0; dp[0][1][2] = -prices[i]
C++代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
// 三维状态表示:第i天,j表示是否持有股票,k表示交易完成次数
int dp[n][2][3];
dp[0][0][0] = 0; dp[0][1][0] = -prices[0];
dp[0][0][1] = 0; dp[0][1][1] = -prices[0];
dp[0][0][2] = 0; dp[0][1][2] = -prices[0];
for(int i = 1; i < n; i++) {
dp[i][0][0] = 0;
dp[i][1][0] = max(dp[i-1][0][0]-prices[i], dp[i-1][1][0]);
dp[i][0][1] = max(dp[i-1][0][1], dp[i-1][1][0]+prices[i]);
dp[i][1][1] = max(dp[i-1][0][1]-prices[i], dp[i-1][1][1]);
dp[i][0][2] = max(dp[i-1][0][2], dp[i-1][1][1]+prices[i]);
dp[i][1][2] = max(dp[i-1][0][2]-prices[i], dp[i-1][1][2]);
}
return dp[n-1][0][2];
}
};
Python3代码
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
# 三维状态表示:第i天,j表示是否持有股票,k表示交易完成次数
dp = [[[0,0,0],[0,0,0]] for i in range(0,n)]
dp[0][0][0] = 0; dp[0][1][0] = -prices[0]
dp[0][0][1] = 0; dp[0][1][1] = -prices[0]
dp[0][0][2] = 0; dp[0][1][2] = -prices[0]
for i in range(1,n):
dp[i][0][0] = 0;
dp[i][1][0] = max(dp[i-1][0][0]-prices[i], dp[i-1][1][0]);
dp[i][0][1] = max(dp[i-1][0][1], dp[i-1][1][0]+prices[i]);
dp[i][1][1] = max(dp[i-1][0][1]-prices[i], dp[i-1][1][1]);
dp[i][0][2] = max(dp[i-1][0][2], dp[i-1][1][1]+prices[i]);
dp[i][1][2] = max(dp[i-1][0][2]-prices[i], dp[i-1][1][2]);
return dp[n-1][0][2]
Java代码
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
// 三维状态表示:第i天,j表示是否持有股票,k表示交易完成次数
int[][][] dp = new int[n][2][3];
dp[0][0][0] = 0; dp[0][1][0] = -prices[0];
dp[0][0][1] = 0; dp[0][1][1] = -prices[0];
dp[0][0][2] = 0; dp[0][1][2] = -prices[0];
for(int i = 1; i < n; i++) {
dp[i][0][0] = 0;
dp[i][1][0] = Math.max(dp[i-1][0][0]-prices[i], dp[i-1][1][0]);
dp[i][0][1] = Math.max(dp[i-1][0][1], dp[i-1][1][0]+prices[i]);
dp[i][1][1] = Math.max(dp[i-1][0][1]-prices[i], dp[i-1][1][1]);
dp[i][0][2] = Math.max(dp[i-1][0][2], dp[i-1][1][1]+prices[i]);
dp[i][1][2] = Math.max(dp[i-1][0][2]-prices[i], dp[i-1][1][2]);
}
return dp[n-1][0][2];
}
}
复杂度分析
- 时间复杂度: O ( n ) O(n) O(n)。
- 空间复杂度: O ( n ) O(n) O(n)。
2. 优化版本(简化状态,需要较深的理解)
- 考虑内存优化:题中要求交易次数最多为两次,因此按照买卖操作数考虑状态,在截至每天结束后有五种情况(但只考虑四种状态):
- 未进行任何操作,此时利润一直为 0 (不予考虑);
buyOneTime
:只进行过一次买操作;sellOneTime
:进行过一次买操作和一次卖操作(成功交易一次);buyTwoTimes
:成功交易过一次基础上,又进行过一次买操作;sellTwoTimes
:成功交易过一次基础上,又进行过一次买操作和一次卖操作(成功交易一次);
- 每一天都可选择不进行任何操作保留上一天的利润,或者进行一次买操作或卖操作而达到上述某种状态,这样可以很容易分析出每种状态的状态转移方程:
buyOneTime[i] = max(buyOneTime[i-1], -prices[i])
sellOneTime[i] = max(sellOneTime[i-1], buyOneTime[i-1]+prices[i])
buyTwoTimes[i] = max(buyTwoTimes[i-1], sellOneTime[i-1]-prices[i])
sellTwoTimes[i] = max(sellTwoTimes[i-1], buyTwoTimes[i-1]+prices[i])
- 考虑内存优化:
- 法一:由于每种状态只与上一时刻状态值有关,因此不用把所有时刻状态都保留,保留上一时刻状态值即可(此处文章中省略,重点理解方法二);
- 法二:把上一时刻状态全部改成这一时刻状态即可。
buyOneTime = max(buyOneTime, -prices[i])
sellOneTime = max(sellOneTime, buyOneTime+prices[i])
buyTwoTimes = max(buyTwoTimes, sellOneTime-prices[i])
sellTwoTimes = max(sellTwoTimes, buyTwoTimes+prices[i])
- 理解:以
sellOneTime
为例,以该时刻的buyOneTime
进行转移,相当于相比用上一时刻的转移,又考虑了在本时刻买入股票的情况,而转移到sellOneTime
状态考虑的是本时刻卖出一次股票的情况,因此在同一时刻又买入又卖出,不改变利润值,对结果无影响。其他的状态以同样的方式进行理解。 - 考虑状态的初始值:
buyOneTime = -prices[i]
sellOneTime = 0
buyTwoTimes = -prices[i]
sellTwoTimes = 0
C++代码
class Solution {
public:
int maxProfit(vector<int>& prices) {
int n = prices.size();
int buyOneTime = -prices[0], sellOneTime = 0;
int buyTwoTimes = -prices[0], sellTwoTimes = 0;
for(int i = 1; i < n; i++) {
buyOneTime = max(buyOneTime , -prices[i]);
sellOneTime = max(sellOneTime , buyOneTime + prices[i]);
buyTwoTimes = max(buyTwoTimes , sellOneTime - prices[i]);
sellTwoTimes = max(sellTwoTimes, buyTwoTimes + prices[i]);
}
return sellTwoTimes;
}
};
Python3代码
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
buyOneTime, sellOneTime = -prices[0], 0
buyTwoTimes, sellTwoTimes = -prices[0], 0
for i in range(1,n):
buyOneTime = max(buyOneTime , -prices[i])
sellOneTime = max(sellOneTime , buyOneTime + prices[i])
buyTwoTimes = max(buyTwoTimes , sellOneTime - prices[i])
sellTwoTimes = max(sellTwoTimes, buyTwoTimes + prices[i])
return sellTwoTimes
Java代码
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
int buyOneTime = -prices[0], sellOneTime = 0;
int buyTwoTimes = -prices[0], sellTwoTimes = 0;
for(int i = 1; i < n; i++) {
buyOneTime = Math.max(buyOneTime , -prices[i]);
sellOneTime = Math.max(sellOneTime , buyOneTime + prices[i]);
buyTwoTimes = Math.max(buyTwoTimes , sellOneTime - prices[i]);
sellTwoTimes = Math.max(sellTwoTimes, buyTwoTimes + prices[i]);
}
return sellTwoTimes;
}
}
复杂度分析
- 时间复杂度: O ( n ) O(n) O(n)。
- 空间复杂度: O ( 1 ) O(1) O(1)。
三、参考文章
[1] https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iii/solution/tong-su-yi-dong-de-dong-tai-gui-hua-jie-fa-by-marc/
[2] https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iii/solution/mai-mai-gu-piao-de-zui-jia-shi-ji-iii-by-wrnt/