动态规划--股票系列（一）：买卖股票的最佳时机

本模板适用于解决买卖次数k确定的情况

可解决力扣188、121、123题

188. 买卖股票的最佳时机 IV

思路：2 * k + 1个状态

这题是123. 买卖股票的最佳时机 III的进阶版。那么来分析一下，买卖k次每天的状态。如下：

• 0–不操作
• 1–第一次买入
• 2–第一次卖出
• 3–第二次买入
• 4–第二次卖出
• …
• 2(k-1)-1=2*k-3----第k-1 次买入
• 2(k-1)=2*k-2----第k-1 次卖出
• 2*k-1----第k 次买入
• 2*k----第k 次卖出

可以发现，当奇数的时候为买入，偶数的时候为卖出！

状态定义：dp[i][j],i表示第i天，j表示第i天的状态，j∈[0, 2k]

递推过程：

1.dp[i][1]表示第i天第一次买入的状态，有两种情况

• 不操作，那么跟前一天一样，即dp[i][1]=dp[i - 1][1]
• 买入，那么会在前一天上一个状态下，即0–没有操作，花费，即dp[i][1]=dp[i - 1][0] - prices[i]

2.dp[i][2]表示第i天第一次卖出的状态，有两种情况

• 不操作，那么跟前一天一样，即dp[i][2]=dp[i - 1][2]
• 卖出，那么在前一天的上一个状态，即1–第一次买入，赚钱，即dp[i][2]=dp[i - 1][1] + prices[i]

那么其他同理，j∈[0, 2k - 2]，从0开始跳，每次跳1、2个的位置。这里要注意的是j的右边界，因为j只需要最后能够跳到最终位置前第2个就行，理解这个很关键！

则总结出以下递推方程：

• 为奇数，买入： dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
• 为偶数，卖出：dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);

初始化：

• 这里收集最大利润，但是股票不买不卖，最小的利润也是0，所以不会产生为负数的利润，将卖出初始化为0就可以！

• 只要买入（奇数），就需要减去prices[0]。

• j从1开始，到最大下标的前一个2 * k - 1，代码如下：

• for(int j = 1; j <= 2 * k - 1; j += 2){
            dp[0][j] = -prices[0];
        }
  

整体代码如下：

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {
        if(prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        // 奇数：买入；偶数：卖出
        // 初始化：只要是买入，都是要减去的
        for(int j = 1; j <= 2 * k - 1; j += 2){
            dp[0][j] = -prices[0];
        }
        for(int i = 1; i < prices.size(); i++){ // 遍历每天价格
            for(int j = 0; j <= 2 * k - 2; j += 2){ // 遍历每个状态
                dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);//买入
                dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]); // 卖出
            }
        }
        return dp[prices.size() - 1][2 * k];
    }
};

那么这里是不是可以总结一个模板，即无论你买卖几次(k值需要确定值)，我都可以用这个模板来解？
比如，121. 买卖股票的最佳时机，只买卖一次，即k=1，代码如下：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        return maxProfitCommon(1, prices);
    }
private:
     int maxProfitCommon(int k, vector<int>& prices) {
        if(prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        // 奇数：买入；偶数：卖出
        // 初始化：只要是买入，都是要减去的
        for(int j = 1; j <= 2 * k - 1; j += 2){
            dp[0][j] = -prices[0];
        }
        for(int i = 1; i < prices.size(); i++){ // 遍历每天价格
            for(int j = 0; j <= 2 * k - 2; j += 2){ // 遍历每个状态
                dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);//买入
                dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]); // 卖出
            }
        }
        return dp[prices.size() - 1][2 * k];
    }
};

比如，123. 买卖股票的最佳时机 III，最多买卖2次，即k=2，代码只需要改动的仅仅是k的值！

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        return maxProfitCommon(2, prices);
    }
private:
     int maxProfitCommon(int k, vector<int>& prices) {
        if(prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        // 奇数：买入；偶数：卖出
        // 初始化：只要是买入，都是要减去的
        for(int j = 1; j <= 2 * k - 1; j += 2){
            dp[0][j] = -prices[0];
        }
        for(int i = 1; i < prices.size(); i++){ // 遍历每天价格
            for(int j = 0; j <= 2 * k - 2; j += 2){ // 遍历每个状态
                dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);//买入
                dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]); // 卖出
            }
        }
        return dp[prices.size() - 1][2 * k];
    }
};

参考资料：公众号代码随想录