108. Leetcode 188. 买卖股票的最佳时机 IV (动态规划-股票交易)

 

步骤一、确定状态:

确定dp数组及下标含义

dp[i] 表示的是在第i天可以获取的最大利润，每天会有持有股票和不持有 股票两种状态，这个是第二维度，还是用0和1表示。 而对于每一种状态， 这里还会有交易次数的记录k次， 这个是第三维度。所以dp[天数][当前是 否持股][卖出的次数]

步骤二、推断状态方程:

未持有股票的状态 dp[i][0][k]系列 如果k=0的话，那么还是dp[i][0][0]等于0，开始的状态
如果k>0的话， 未持有表示要么延续之前的状态，要么是当天卖了出去 延续之前的状态， 即dp[i-1][0][k] 当天卖了出去，说明前一天是持有股票的， 即dp[i-1][1][k-1]+prices[i] 这里取最大就是 dp[i][0][k]=max(dp[i-1][0][k], dp[i-1][1][k-1]+prices[i])

持有股票的状态dp[i][1][k]系列

如果k=0的话， 说明是第一次买入的状态， 此时利润要么是延续之前的，要么 是今天刚买的

延续之前的， 即dp[i-1][1][0]

今天刚买的， 即昨天是没有股票的， dp[i-1][0][0]-prices[i]

所以这里取最大是dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][0][0]-prices[i])

如果k>0，也是这个思路， dp[i][1][k-1] = max(dp[i-1][1][k-1], dp[i-1][0][k- 1]-prices[i])

同样的，等于k取不到，因为这时候已经完成了K笔交易，不能再买了。 dp[i][1][k]=float("-inf")

步骤三、规定初始条件:

初始条件:

全局初始化为0， 然后第0天的所有状态必须都初始化出来: dp[0][0][0] = 0: 开始啥也没干， 利润0;

dp[0][1][0] = -prices[0]: 第0天持有股票，且进行了0次 交易，这是第一次买入，利润-prices[0]

步骤四、计算顺序:

遍历方式会是两层循环了，首先会从1到len(prices)遍历天， 然后再从1到k遍历交易次数，正向遍历

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        if len(prices) < 2 or k == 0:
            return 0
        
        # dp[天数][当前是否持股][卖出的次数]
        dp = [[[0 for _ in range(k+1)] for _ in range(2)] for _ in range(len(prices))]
        
        # 初始化
        dp[0][0][0], dp[0][1][0] = 0, -prices[0]
        for i in range(1, k):
            dp[0][0][i], dp[0][1][i] = float("-inf"), float("-inf") # 第一天完不成交易

        # 遍历
        for i in range(1, len(prices)):
            for k in range(1, k+1):
                dp[i][0][k] = max(dp[i-1][0][k], dp[i-1][1][k-1] + prices[i])
                dp[i][1][k-1] = max(dp[i-1][1][k-1], dp[i-1][0][k-1] - prices[i])

        # 最后一天不持有股票的值
        return max(dp[-1][0])