题目描述
给定一个整数数组,其中第 i 个元素代表了第 i 天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
- 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)。
- 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
示例:
输入: [1,2,3,0,2]
输出: 3
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
解题思路
我们用 f[i] 表示第 i 天结束之后的「累计最大收益」。根据题目描述,由于我们最多只能同时买入(持有)一支股票,并且卖出股票后有冷冻期的限制,因此我们会有三种不同的状态:
- 我们目前持有一支股票,对应的「累计最大收益」记为 f[i][0];
- 我们目前不持有任何股票,并且处于冷冻期中,对应的「累计最大收益」记为 f[i][1];
- 我们目前不持有任何股票,并且不处于冷冻期中,对应的「累计最大收益」记为 f[i][2]。
这里的「处于冷冻期」指的是在第 i 天结束之后的状态。也就是说:如果第 i 天结束之后处于冷冻期,那么第 i+1 天无法买入股票。
如何进行状态转移呢?在第 i 天时,我们可以在不违反规则的前提下进行「买入」或者「卖出」操作,此时第 i 天的状态会从第 i−1 天的状态转移而来;我们也可以不进行任何操作,此时第 i 天的状态就等同于第 i−1 天的状态。那么我们分别对这三种状态进行分析:
- 对于 f[i][0],我们目前持有的这一支股票可以是在第 i−1 天就已经持有的,对应的状态为 f[i−1][0];或者是第 i 天买入的,那么第 i−1 天就不能持有股票并且不处于冷冻期中,对应的状态为 f[i−1][2] 加上买入股票的负收益 prices[i]。因此状态转移方程为:
f [ i ] [ 0 ] = m a x ( f [ i − 1 ] [ 0 ] , f [ i − 1 ] [ 2 ] − p r i c e s [ i ] ) f[i][0]=max(f[i−1][0],f[i−1][2]−prices[i]) f[i][0]=max(f[i−1][0],f[i−1][2]−prices[i]) - 对于 f[i][1],我们在第 i 天结束之后处于冷冻期的原因是在当天卖出了股票,那么说明在第 i−1 天时我们必须持有一支股票,对应的状态为 f[i−1][0] 加上卖出股票的正收益 prices[i]。因此状态转移方程为:
f [ i ] [ 1 ] = f [ i − 1 ] [ 0 ] + p r i c e s [ i ] f[i][1]=f[i−1][0]+prices[i] f[i][1]=f[i−1][0]+prices[i] - 对于 f[i][2],我们在第 i 天结束之后不持有任何股票并且不处于冷冻期,说明当天没有进行任何操作,即第 i−1 天时不持有任何股票:如果处于冷冻期,对应的状态为 f[i−1][1];如果不处于冷冻期,对应的状态为 f[i−1][2]。因此状态转移方程为:
f [ i ] [ 2 ] = m a x ( f [ i − 1 ] [ 1 ] , f [ i − 1 ] [ 2 ] ) f[i][2]=max(f[i−1][1],f[i−1][2]) f[i][2]=max(f[i−1][1],f[i−1][2])
这样我们就得到了所有的状态转移方程。如果一共有 n 天,那么最终的答案即为:
m
a
x
(
f
[
n
−
1
]
[
0
]
,
f
[
n
−
1
]
[
1
]
,
f
[
n
−
1
]
[
2
]
)
max(f[n−1][0],f[n−1][1],f[n−1][2])
max(f[n−1][0],f[n−1][1],f[n−1][2])
注意到如果在最后一天(第 n−1 天)结束之后,手上仍然持有股票,那么显然是没有任何意义的。因此更加精确地,最终的答案实际上是 f[n−1][1] 和 f[n−1][2] 中的较大值,即:
m
a
x
(
f
[
n
−
1
]
[
1
]
,
f
[
n
−
1
]
[
2
]
)
max(f[n−1][1],f[n−1][2])
max(f[n−1][1],f[n−1][2])
细节
我们可以将第 0 天的情况作为动态规划中的边界条件:
{
f
[
0
]
[
0
]
=
−
p
r
i
c
e
s
[
0
]
f
[
0
]
[
1
]
=
0
f
[
0
]
[
2
]
=
0
\left\{ \begin{array}{ll} f[0][0] = -prices[0] \\ f[0][1] = 0 \\ f[0][2] = 0 \end{array} \right.
⎩⎨⎧f[0][0]=−prices[0]f[0][1]=0f[0][2]=0
在第 0 天时,如果持有股票,那么只能是在第 0 天买入的,对应负收益 −prices[0];如果不持有股票,那么收益为零。注意到第 0 天实际上是不存在处于冷冻期的情况的,但我们仍然可以将对应的状态 f[0][1] 置为零,这其中的原因留给读者进行思考。
这样我们就可以从第 1 天开始,根据上面的状态转移方程进行进行动态规划,直到计算出第 n−1 天的结果。
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n == 0) return 0;
int[][] f = new int[n][3];
f[0][0] = -prices[0];
for (int i = 1;i < n;i++) {
f[i][0] = Math.max(f[i-1][0],f[i-1][2]-prices[i]);
f[i][1] = f[i-1][0] + prices[i];
f[i][2] = Math.max(f[i-1][2],f[i-1][1]);
}
return Math.max(f[n-1][1],f[n-1][2]);
}
}