一、穷举框架
利用「状态」进行穷举。我们具体到每一天,再找出每个「状态」对应的「选择」。
股票问题每天有三种「选择」:买入、卖出、无操作,用 buy, sell, rest 表示这三种选择
这个问题的「状态」有三个,第一个是天数,第二个是允许交易的最大次数,第三个是当前的持有状态(即之前说的 rest 的状态,假设 1 表示持有,0 表示没有持有)。
dp[i][k][0 or 1]
for 0 <= i < n:
for 1 <= k <= K:
for s in {0, 1}:
dp[i][k][s] = max(buy, sell, rest)
想求的答案是 dp[n - 1][K][0],即最后一天,最多允许 K 次交易,最多获得多少利润。
二、状态转移框架
状态转移图:
状态转移方程:
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
初始值:
dp[-1][k][0] = dp[i][0][0] = 0
dp[-1][k][1] = dp[i][0][1] = -infinity
三、6种题型
第一题,k = 1
化简后状态转移方程:
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], -prices[i])
直接写出代码:
int maxProfit_k_1(int[] prices) {
int n = prices.length;
int dp_i0 = 0, dp_i1 = Integer.MIN_VALUE;
for (int i = 0; i < n; i++) {
dp_i0 = Math.max(dp_i0, dp_i1 + prices[i]);
dp_i1 = Math.max(dp_i1, -prices[i]);
}
return dp_i0;
}
第二题,k = +infinity
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i])
直接翻译成代码:
int maxProfit_k_inf(int[] prices) {
int n = prices.length;
int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;
for (int i = 0; i < n; i++) {
int temp = dp_i_0;
dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);
dp_i_1 = Math.max(dp_i_1, temp - prices[i]);
}
return dp_i_0;
}
第三题,k = +infinity with cooldown:每次 sell 之后要等一天才能继续交易。
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-2][0] - prices[i])
翻译成代码:
int maxProfit_with_cool(int[] prices) {
int n = prices.length;
int dp_i0 = 0, dp_i1 = Integer.MIN_VALUE;
int dp_pre0 = 0; // 代表 dp[i-2][0]
for (int i = 0; i < n; i++) {
int temp = dp_i0;
dp_i0 = Math.max(dp_i0, dp_i1 + prices[i]);
dp_i1 = Math.max(dp_i1, dp_pre0 - prices[i]);
dp_pre0 = temp;
}
return dp_i0;
}
第四题,k = +infinity with fee
dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i] - fee)
直接翻译成代码:
int maxProfit_with_fee(int[] prices, int fee) {
int n = prices.length;
int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;
for (int i = 0; i < n; i++) {
int temp = dp_i_0;
dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);
dp_i_1 = Math.max(dp_i_1, temp - prices[i] - fee);
}
return dp_i_0;
}
第五题,k = 2
原始的动态转移方程,没有可化简的地方
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
因为k = 2, 所以直接翻译成代码:
dp[i][2][0] = max(dp[i-1][2][0], dp[i-1][2][1] + prices[i])
dp[i][2][1] = max(dp[i-1][2][1], dp[i-1][1][0] - prices[i])
dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][1][1] + prices[i])
dp[i][1][1] = max(dp[i-1][1][1], -prices[i])
int maxProfit_k_2(int[] prices) {
int dp_i10 = 0, dp_i11 = Integer.MIN_VALUE;
int dp_i20 = 0, dp_i21 = Integer.MIN_VALUE;
for (int price : prices) {
dp_i20 = Math.max(dp_i20, dp_i21 + price);
dp_i21 = Math.max(dp_i21, dp_i10 - price);
dp_i10 = Math.max(dp_i10, dp_i11 + price);
dp_i11 = Math.max(dp_i11, -price);
}
return dp_i20;
}
第六题,k = any integer
- 当k > len / 2 时,可在一定程度上说明 k 趋于无穷,即可同化为第二种情况
- 当k < len / 2 时,则k值大小会对结果产生影响,可采用最原始的状态转移方程。
为什么以 len / 2为分界线?
个人理解: 当 k 小于分界线时,可进行 k 次交换,但当 k 大于分界限时,无法完成 k 次交换,在一定程度上也说明k值对其无影响。
int maxProfit_k_any(int max_k, int[] prices) {
int n = prices.length;
if (max_k > n / 2)
return maxProfit_k_inf(prices);
int[][][] dp = new int[n][max_k + 1][2];
for (int i = 0; i < n; i++)
for (int k = max_k; k >= 1; k--) {
if (i - 1 == -1) { /* 处理 base case */ }
dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i]);
dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i]);
}
return dp[n - 1][max_k][0];
}
``