Best Time to Buy and Sell Stock III

解题思路来自：https://blog.csdn.net/u012501459/article/details/46514309
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 two transactions.
Note:
You may not engage in multiple transactions at the same time (ie, you must sell the stock before you buy again).

即是每天的股票价格，交易两次，问最大收益。
解法1：
这个问题可以转换成Best Time to Buy and Sell Stock I问题。

两次股票交易的核心是可以定义一个交易点，在这个交易点之前可以做一次交易(赚的最大数目的钱为firstProf)，在这个交易点之后可以做一个交易(赚的最大数目的钱是secondProf)。那么要求的是max(firstProf+secondProf)。但是这个方法的时间复杂度是O(N^2)，空间复杂度是O(1)。leetcode中显示超时。

可以使用两次扫描的方法避免上面的双重循环。

不同于Best Time to Buy and Sell Stock I中定义的初始状态A[i]表示第i天卖出挣的最大数目的钱，这个更进一步直接定义A[i]表示前i天赚的最大数目的钱。minPrice表示从第0天到第i-1天中的最低价格。
A[0]=0。（初始状态）
A[1]=max(prices[1]-prices[0],A[0])
A[2]=max(prices[2]-minPrice,A[1])
…..
即A[i]=max(price[i]-minPrice,A[i-1]).
A[0]=0
另外一次扫描从数组后向前扫描，定义B[i]表示从第i天到最后一天n能赚的最大数目的钱。maxPrice表示第i+1天到n天的最高价格。
B[n]=0。（初始状态）

B[n-1]=max(maxPrice-prices[n-1],B[n])
B[n-2]=max(maxPrice-prices[n-2],B[n-1])
…..
即B[i]=max(maxPrice-prices[i],B[i+1])
B[n]=0
那么以第i天为分割点能赚的最多数目的钱为A[i]+B[i]

#!/usr/bin/env python3
# -*- coding: utf-8 -*-


__author__ = 'Zhang Shuai'


class Solution:
    def maxProfit(self, prices):
        if not prices:
            return 0
        #最大价格差
        pre_maxPrices = 0
        #价格最小值
        minPrice = prices[0]
        #A[0]为0
        A = [pre_maxPrices]

        for i in prices[1:]:
            if i < minPrice:
                minPrice = i
                A.append(A[-1])
            else:
                A.append(max(i-minPrice,A[-1]))
        post_maxPrices = 0
        maxPrices = prices[-1]
        #B[-1]为0
        #B记录的是从当前位置到末尾的最大价格差
        B = [post_maxPrices]
        #从倒数第二位开始循环到0
        for i in prices[-2::-1]:
            if i > maxPrices:
                maxPrices = i
                #因为从后往前，所以每次在index=0插入
                #因为当前位置比之后的最大值还要大，所以不可能在此买入，只能在此位置之后买入，所以此处相当于B[N-2]=B[N-1]
                B.insert(0, B[0])
            else:
                B.insert(0,max(maxPrices-i,B[0]))
        return max([A[i] + B[i] for i in range(len(prices))])
print(Solution().maxProfit([1,2,3,4,5]))

解题思路2：
这个比较厉害，就不写python代码了，了解一下就行了。
在Discuss中看到一种很棒的解法，代码只有10行左右，但是不是很好理解。

第二种解法的核心是假设手上最开始只有0元钱，那么如果买入股票的价格为price，手上的钱需要减去这个price，如果卖出股票的价格为price，手上的钱需要加上这个price。

它定义了4个状态：

Buy1[i]表示前i天做第一笔交易买入股票后剩下的最多的钱；

Sell1[i]表示前i天做第一笔交易卖出股票后剩下的最多的钱；

Buy2[i]表示前i天做第二笔交易买入股票后剩下的最多的钱；

Sell2[i]表示前i天做第二笔交易卖出股票后剩下的最多的钱；

那么Sell2[i]=max{Sell2[i-1],Buy2[i-1]+prices[i]}

   Buy2[i]=max{Buy2[i-1],Sell[i-1]-prices[i]}

   Sell1[i]=max{Sell[i-1],Buy1[i-1]+prices[i]}

   Buy1[i]=max{Buy[i-1],-prices[i]}

可以发现上面四个状态都是只与前一个状态有关，所以可以不使用数组而是使用变量来存储即可。

class Solution {  
public:  
    int maxProfit(vector<int>& prices) {  
        int buy1=numeric_limits<int>::min();  
        int buy2=numeric_limits<int>::min();  
        int sell1=0;  
        int sell2=0;  
        for(int i=0;i<prices.size();i++)  
        {  
            sell2=max(sell2,buy2+prices[i]);  
            buy2=max(buy2,sell1-prices[i]);  
            sell1=max(sell1,buy1+prices[i]);  
            buy1=max(buy1,-prices[i]);  
        }  
        return sell2;  
    }  

};