Best Time to Buy and Sell Stock IV

Say you have an array for which the ith element is the price of a given stock on day i.

Design an algorithm to find the maximum profit. You may complete at most k transactions.

解题思路

采用动态规划来解决问题。 
我们需要维护如下两个量： 
global[i][j]:当前到达第i天最多可以进行j次交易，所得到的最大利润。 
local[i][j]:当前到达第i天最多可以进行j次交易，而且最后一次交易在当天卖出，所得到的最大利润。 
状态转移方程： 
global[i][j] = max(local[i][j], global[i-1][j]) 
上述方程比较两个量的大小：①当前局部最大值；②过往全局最大值。 
local[i][j] = max(global[i-1][j-1] + max(diff, 0), local[i-1][j] + diff) 
上述方程比较两个量的大小： 
①全局到i-1天进行j-1次交易，然后加上今天的交易（如果今天的交易赚钱的话）。 
②取局部第i-1天进行j次交易，然后加上今天的差值（local[i-1][j]是第i-1天卖出的交易，它加上diff后变成第i天卖出，并不会增加交易次数。无论diff是正还是负都要加上，否则就不满足local[i][j]必须在最后一天卖出的条件了）

另外需要注意的一个问题是，当k远大于数组的大小时，上述算法将变得低效。因此将其改用不限交易次数的方式解决。

public class Solution {
    public int maxProfit(int k, int[] prices) {
        int len = prices.length;
        if (len == 0)
        {
            return 0;
        }
        if (k >= len)
        {
            return helper(prices);
        }


        int[] max_local = new int[k+1];
        int[] max_global = new int[k+1];
        int diff = 0;
        for (int i = 0; i < len - 1; i++)
        {
            diff = prices[i + 1] - prices[i];
            for (int j = k; j >= 1; j--)
            {
                max_local[j] = Math.max(max_global[j - 1] + Math.max(diff, 0), max_local[j] + diff);
                max_global[j] = Math.max(max_local[j], max_global[j]);
            }
        }


        return max_global[k];
    }


    int helper(int[] prices)
    {
        int profit = 0;
        for (int i = 0; i < prices.length - 1; i++)
        {
            profit = Math.max(profit, profit + prices[i + 1] - prices[i]);
        }


        return profit;
    }
}