Leetcode309. 最佳买卖股票时机含冷冻期

Leetcode309. 最佳买卖股票时机含冷冻期

相似题目：
Leetcode121. 买卖股票的最佳时机
Leetcode122. 买卖股票的最佳时机 II
题目：
给定一个整数数组prices，其中第 prices[i] 表示第 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）:
卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
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 1:

输入: prices = [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]

示例 2:

输入: prices = [1]
输出: 0

题解：
方案一：
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：

  $f[i][0]=\max (f[i-1][0],f[i-1][2]-prices[i])$

• 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：

  $f[i][1]=f[i-1][0]+prices[i]$

• 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：

  $f[i][2]=\max (f[i-1][1],f[i-1][2])$

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：

$\max (f[n-1][0],f[n-1][1],f[n-1][2])$

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：

$\max (f[n-1][1],f[n-1][2])$

我们可以将第 0 天的情况作为动态规划中的边界条件：

$\{\begin{array}{ll}f[0][0]& =-prices[0]\\ f[0][1]& =0\\ f[0][2]& =0\end{array}$

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 $-prices$；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。

方案二：
注意到上面的状态转移方程中，$f[i][..]$ 只与 $f[i-1][..]$ 有关，而与 $f[i-2][..]$ 及之前的所有状态都无关，因此我们不必存储这些无关的状态。也就是说，我们只需要将 $f[i-1][0]$，$f[i-1][1]$，$f[i-1][2]$ 存放在三个变量中，通过它们计算出 $f[i][0]$，$f[i][1]$，$f[i][2]$ 并存回对应的变量，以便于第 $i+1$ 天的状态转移即可
java代码：

 /**
     * @param prices
     * @return
     */
    public static int maxProfit(int[] prices) {
        if (prices == null || prices.length == 0) return 0;
        int n = prices.length;
        int[][] f = new int[n][3];

        // f[i][0]: 手上持有股票的最大收益
        // f[i][1]: 手上不持有股票，并且处于冷冻期中的累计最大收益
        // f[i][2]: 手上不持有股票，并且不在冷冻期中的累计最大收益

        f[0][0] = -prices[0];
        f[0][1] = 0;
        f[0][2] = 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][1], f[i - 1][2]);
        }
        return Math.max(f[n - 1][1], f[n - 1][2]);
    }

    /**
     *
     * @param prices
     * @return
     */
    public static int maxProfit2(int[] prices) {
        if (prices == null || prices.length == 0) return 0;
        int n = prices.length;

        // f0: 手上持有股票的最大收益
        // f1: 手上不持有股票，并且处于冷冻期中的累计最大收益
        // f2: 手上不持有股票，并且不在冷冻期中的累计最大收益

        int f0 = -prices[0];
        int f1 = 0;
        int f2 = 0;
        for (int i = 1; i < n; i++) {
            int newf0 = Math.max(f0, f2 - prices[i]);
            int newf1 = f0 + prices[i];
            int newf2 = Math.max(f1, f2);
            f0 = newf0;
            f1 = newf1;
            f2 = newf2;
        }
        return Math.max(f1, f2);
    }