Day 50 309.最佳买卖股票时机含冷冻期 714.买卖股票的最佳时机含手续费

最佳买卖股票时机含冷冻期

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]

​ 由于本题加入了冷冻期这一状态，所以在未持有股票的所有情况中不能归在同一情况下，而是需要分开讨论；

​ 1.dp数组下标及其含义：

	dp[i][0];//状态0：表示第i天持有股票时的最大利润
	dp[i][1];//状态1：表示在第i天卖出股票，此时的最大利润
	dp[i][2];//状态2：表示第i天为冷冻期时的最大利润
	dp[i][3];//状态3：表示第i天仍维持上一次卖出股票状态时的最大利润

​ 2.递推公式：

	dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));
	dp[i][1] = dp[i - 1][0] + prices[i];
	dp[i][2] = dp[i - 1][1];
	dp[i][3] = max(dp[i - 1][3], dp[i - 1][2]);

​ 从地推公式容易看出，这里的状态1和状态2实际上是可以压缩的，

​ 3.初始化

​ 考虑状态3：表示第i天仍维持上一次卖出股票状态时的最大利润；很显然，dp[0][3]的定义就是非法的，但是为了满足递推公式；

​ 即dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));在dp[1][0]的推导条件下， 必然需要满足dp[0][3] == 0；

	dp[0][0] = -prices[0];
	dp[0][1] = 0;
	dp[0][2] = 0;
	dp[0][3] = 0;

​ 4.遍历顺序

​ 从前往后

​ 5.打印dp

​ (注意这里自己定义的状态和代码随想录图片的不一致，自定义的1对应上图的2，自定义的2对应上图的3，自定义的3对应上图的1)

​ 整体代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if(len == 0)  return 0;
        vector<vector<int>> dp(len,vector<int>(4, 0));
        dp[0][0] = -prices[0];
        for(int i = 1; i < len; i++){
            dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][2] - prices[i], dp[i - 1][3] - prices[i]));
            dp[i][1] = dp[i - 1][0] + prices[i];
            dp[i][2] = dp[i - 1][1];
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2]);
        }
        return max(dp[len - 1][1],max(dp[len - 1][2], dp[len - 1][3]));
    }
};	

​ 优化代码如下:

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if(len == 0)  return 0;
        vector<int> dp(4, 0);
        dp[0] = -prices[0];
        for(int i = 1; i < len; i++){
            // dp[0] = max(dp[0], max(dp[2], dp[3]) - prices[i]);
            // dp[1] = dp[0] + prices[i];
            // dp[2] = dp[1];
            // dp[3] = max(dp[3], dp[2]);
            int new_dp0 = max(dp[0], max(dp[2], dp[3]) - prices[i]);
            int new_dp1 = dp[0] + prices[i];
            int new_dp2 = dp[1];
            int new_dp3 = max(dp[3], dp[2]);
            dp[0] = new_dp0;
            dp[1] = new_dp1;
            dp[2] = new_dp2;
            dp[3] = new_dp3;
        }
        return max(dp[1], max(dp[2], dp[3]));
    }
};

​ 为何需要定义出新的中间变量？如果按照注释里的写法：

1. 状态转移方程不正确：
   • dp[0] = max(dp[0], max(dp[2], dp[3]) - prices[i]);：这里的 dp[2] 和 dp[3] 在更新 dp[0] 时，值还未更新。
   • dp[1] = dp[0] + prices[i];：这里的 dp[0] 是当天更新后的值，而实际需要使用的是前一天的 dp[0]。
   • dp[2] = dp[1];：冷冻期的收益应该是前一天卖出股票后的最大收益，而不是当天卖出后的收益。
   • dp[3] = max(dp[3], dp[2]);：这里更新 dp[3] 时，使用的 dp[2] 是当天的值而不是前一天的值。
2. 状态更新顺序有误：
   • 状态 dp[2] 和 dp[3] 在同一天进行更新，可能会导致相互之间的依赖关系混淆。

买卖股票的最佳时机含手续费

给定一个整数数组 prices，其中第 i 个元素代表了第 i 天的股票价格 ；非负整数 fee 代表了交易股票的手续费用。

你可以无限次地完成交易，但是你每笔交易都需要付手续费。如果你已经购买了一个股票，在卖出它之前你就不能再继续购买股票了。

返回获得利润的最大值。

注意：这里的一笔交易指买入持有并卖出股票的整个过程，每笔交易你只需要为支付一次手续费。

示例 1:

• 输入: prices = [1, 3, 2, 8, 4, 9], fee = 2
• 输出: 8

解释: 能够达到的最大利润:

• 在此处买入 prices[0] = 1
• 在此处卖出 prices[3] = 8
• 在此处买入 prices[4] = 4
• 在此处卖出 prices[5] = 9
• 总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8.

注意:

• 0 < prices.length <= 50000.
• 0 < prices[i] < 50000.
• 0 <= fee < 50000.

​ 和之前的买卖股票Ⅱ是类似的，只是在递推公式上有些微小的区别：

	dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
	dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);

​ 整体如下：

class Solution {
public:
    int maxProfit(vector<int>& prices, int fee) {
            int len = prices.size();
            if(len == 0)  return 0;
            vector<vector<int>> dp(len, vector<int>(2));
            dp[0][0] = -prices[0];
            dp[0][1] = 0;
            for(int i = 1; i < len; i++){
                dp[i][0] = max(dp[i - 1][0], dp[i - 1][1]-prices[i]);
                dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
            }
            return max(dp[len - 1][0], dp[len - 1][1]);
    }
};