思路:参考https://blog.csdn.net/linhuanmars/article/details/23236995
利用局部最优与全局最优的想法维护两个二维数组,来实现动态规划。
l[i][j]是在到达第i天,最多可以进行j次交易的局部最优利益。注意这里是最多进行j次交易,即l[2][2]为到达第二天,最多进行两次交易的局部最优利益,也可以进行一次,或不进行交易的意思。
g[i][j]是在到达第i天,最多可以进行j次交易的全局最优利益。
递推关系式l[i][j]满足
l[i][j]=max(l[i-1][j]+diff, g[i-1][j-1]+max(diff,0))
其中第一项表示,如果diff>0,则上次交易的时候可以不卖出,而在今天卖出。第二项表示第i-1天最多进行j-1次的交易的全局最优利益,加上今天的交易后看是否赚钱,这一项其实是取消第i-1天最多进行j次的交易,而加上今天的交易。最后将两种情况进行比较,选择最大值。
递推关系g[i][j]满足:
g[i][j]=max(l[i][j],g[i-1][j])
这一项容易理解,最优利益就是前一天全局最优利益和当前局部最优利益的最大值。
class Solution {
public:
int maxProfit(vector<int>& prices) {
if(prices.empty()) return 0;
int n=prices.size(),l[n][3]={0},g[n][3]={0};
for(int i=1;i<n;++i)
{
int diff=prices[i]-prices[i-1];
for(int j=1;j<=2;++j)
{
l[i][j]=max(l[i-1][j]+diff,g[i-1][j-1]+max(diff,0));
g[i][j]=max(l[i][j],g[i-1][j]);
}
}
return g[n-1][2];
}
};