代码随想录算法训练营第五十天|123.买卖股票的最佳时机III、188.买卖股票的最佳时机IV

123.买卖股票的最佳时机III ★

文档讲解 ： 代码随想录 - 123.买卖股票的最佳时机III
状态：再次回顾。（★：需要多次回顾并重点回顾。）

动态规划五部曲：

1. 确定dp数组（dp table）以及下标的含义
   一天一共就有五个状态：

   1. 没有操作 （其实我们也可以不设置这个状态）
   2. 第一次持有股票
   3. 第一次不持有股票
   4. 第二次持有股票
   5. 第二次不持有股票
      dp[i][j]中i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天状态j所剩最大现金。

2. 确定递推公式
   达到dp[i][1]状态，有两个具体操作：

   • 操作一：第i天买入股票了，那么dp[i][1] = dp[i-1][0] - prices[i]
   • 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]
     选最大的，所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);

   同理dp[i][2]也有两个操作：

   • 操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
   • 操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]
     所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2]);

   同理可推出剩下状态部分：
   dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);

3. dp数组如何初始化

   dp[0][0] = 0;
   dp[0][1] = -price[0];
   dp[0][2] = 0;
   dp[0][3] = -price[0];
   dp[0][4] = 0;
   

4. 确定遍历顺序
   从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前到后遍历！

5. 举例推导dp数组:
   以输入[1,2,3,4,5]为例：
   

本题代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
        dp[0][1] = -prices[0];
        dp[0][3] = -prices[0];
        for (int i = 1; i < prices.size(); i++) {
            dp[i][0] = dp[i - 1][0];
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
        return dp[prices.size() - 1][4];
    }
};

• 时间复杂度：$O(n)$
• 空间复杂度：$O(n\times 5)$

188.买卖股票的最佳时机IV ★

文档讲解 ： 代码随想录 - 买卖股票的最佳时机IV
状态：再次回顾。（★：需要多次回顾并重点回顾。）

动态规划五部曲：

1. 确定dp数组（dp table）以及下标的含义
   使用二维数组 dp[i][j] ：第i天的状态为j，所剩下的最大现金是dp[i][j]:
   j的状态表示为：

   • 0 表示不操作
   • 1 第一次买入
   • 2 第一次卖出
   • 3 第二次买入
   • 4 第二次卖出
   • …
     至多有k笔交易，那么j的范围就定义为2 * k + 1
     二维dp数组的C++定义为:

     vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
     

2. 确定递推公式
   本题和上一题动态规划：123.买卖股票的最佳时机III最大的区别就是这里要类比j为奇数是买，偶数是卖的状态。

   for (int j = 0; j < 2 * k - 1; j += 2) {
   dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
   dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
   }
   

3. dp数组如何初始化
   在初始化的地方同样要类比j为偶数是卖、奇数是买的状态。

   for (int j = 1; j < 2 * k; j += 2) {
   dp[0][j] = -prices[0];
   }
   

4. 确定遍历顺序
   从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前到后遍历！

5. 举例推导dp数组:
   以输入[1,2,3,4,5]，k=2为例：
   

本题代码：

class Solution {
public:
    int maxProfit(int k, vector<int>& prices) {

        if (prices.size() == 0) return 0;
        vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
        for (int j = 1; j < 2 * k; j += 2) {
            dp[0][j] = -prices[0];
        }
        for (int i = 1;i < prices.size(); i++) {
            for (int j = 0; j < 2 * k - 1; j += 2) {
                dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
                dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
            }
        }
        return dp[prices.size() - 1][2 * k];
    }
};

• 时间复杂度: $O(n\ast k)$，其中n 为 prices 的长度
• 空间复杂度: $O(n\ast k)$