[LeetCode刷题笔记]188 - 买卖股票的最佳时机 IV（C++/Python3/Java/动态规划）

一、题目描述

• 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：

输入	输出	解释
k = 2, prices = [2,4,1]	2	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 。
k = 2, prices = [3,2,6,5,0,3]	7	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 。

提示：

• $0<=k<=100$
• $0<=prices.length<=1000$
• $0<=prices[i]<=1000$

---

二、求解思路：动态规划

• 沿用 123 - 买卖股票的最佳时机 III 的动态规划思路。
• 单独把 k = 0的情况拎出来，是因为dp[n_idx][0][0] 恒等于 0 是特殊情况。

C++代码

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        int n = prices.size();
        if(n == 0) {
            return 0;
        }

        int dp[n][2][k+1];
        for(int k_idx = 0; k_idx < k+1; k_idx++) {
            dp[0][0][k_idx] = 0; dp[0][1][k_idx] = -prices[0];
        }

        for(int n_idx = 1;n_idx < n; n_idx++) {
            dp[n_idx][0][0] = 0;
            dp[n_idx][1][0] = max(dp[n_idx-1][0][0] - prices[n_idx], dp[n_idx-1][1][0]); 
            for(int k_idx = 1; k_idx < k+1; k_idx++) {
                dp[n_idx][0][k_idx] = max(dp[n_idx-1][0][k_idx], dp[n_idx-1][1][k_idx-1] + prices[n_idx]); 
                dp[n_idx][1][k_idx] = max(dp[n_idx-1][0][k_idx] - prices[n_idx], dp[n_idx-1][1][k_idx]); 
            }
        }
        return dp[n-1][0][k];
    }
};

Python3代码

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        n = len(prices)
        if(n == 0):
            return 0

        dp = [ [[0]*(k+1), [0]*(k+1)] for i in range(n) ]
        for k_idx in range(k+1):
            dp[0][0][k_idx] = 0
            dp[0][1][k_idx] = -prices[0]

        for n_idx in range(1,n):
            dp[n_idx][0][0] = 0
            dp[n_idx][1][0] = max(dp[n_idx-1][0][0] - prices[n_idx], dp[n_idx-1][1][0])
            for k_idx in range(1,k+1):
                dp[n_idx][0][k_idx] = max(dp[n_idx-1][0][k_idx], dp[n_idx-1][1][k_idx-1] + prices[n_idx])
                dp[n_idx][1][k_idx] = max(dp[n_idx-1][0][k_idx] - prices[n_idx], dp[n_idx-1][1][k_idx])
        return dp[n-1][0][k]

Java代码

class Solution {
    public int maxProfit(int k, int[] prices) {
        int n = prices.length;
        if(n == 0) {
            return 0;
        }

        int[][][] dp = new int[n][2][k+1];
        for(int k_idx = 0; k_idx < k+1; k_idx++) {
            dp[0][0][k_idx] = 0; dp[0][1][k_idx] = -prices[0];
        }

        for(int n_idx = 1;n_idx < n; n_idx++) {
            dp[n_idx][0][0] = 0;
            dp[n_idx][1][0] = Math.max(dp[n_idx-1][0][0] - prices[n_idx], dp[n_idx-1][1][0]); 
            for(int k_idx = 1; k_idx < k+1; k_idx++) {
                dp[n_idx][0][k_idx] = Math.max(dp[n_idx-1][0][k_idx], dp[n_idx-1][1][k_idx-1] + prices[n_idx]); 
                dp[n_idx][1][k_idx] = Math.max(dp[n_idx-1][0][k_idx] - prices[n_idx], dp[n_idx-1][1][k_idx]); 
            }
        }
        return dp[n-1][0][k];
    }
}

复杂度分析

• 时间复杂度：$O(n)$。
• 空间复杂度：$O(n)$。

---

三、参考文章

[1] https://blog.csdn.net/qq_40430360/article/details/124760973