代码随想录 NO46 | LeetCode 123.买卖股票的最佳时机III 188.买卖股票的最佳时机IV

今天继续股票买卖，但是今天难度很大！

123.买卖股票的最佳时机III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

本题关键在于至多买卖两次，这意味着可以买卖一次，可以买卖两次，也可以不买卖

动态规划五部曲详细分析一下：

• 确定dp数组以及下标的含义
  一天一共就有五个状态，

  • 没有操作 （其实我们也可以不设置这个状态）
  • 第一次持有股票
  • 第一次不持有股票
  • 第二次持有股票
  • 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。
  需要注意：dp[i][1]，表示的是第i天，买入股票的状态，并不是说一定要第i天买入股票。
  例如 dp[i][1] ，并不是说 第i点一定买入股票，有可能 第 i-1天 就买入了，那么 dp[i][1] 延续买入股票的这个状态。

• 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]
    那么dp[i][1]究竟选 dp[i-1][0] - prices[i]，还是dp[i - 1][1]呢？

  一定是选最大的，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]);

• dp数组如何初始化
  第0天没有操作，就是0，即：dp[0][0] = 0;
  第0天做第一次买入的操作，dp[0][1] = -prices[0];
  第0天做第一次卖出的操作，这个初始值应该是多少呢？
  此时还没有买入，怎么就卖出呢？ 其实大家可以理解当天买入，当天卖出，所以dp[0][2] = 0;
  第0天第二次买入操作，初始值应该是多少呢？
  第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后在买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就做相应的减少。
  所以第二次买入操作，初始化为：dp[0][3] = -prices[0];
  同理第二次卖出初始化dp[0][4] = 0;

• 确定遍历顺序
  从递归公式其实已经可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值。

• 举例推导dp数组

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        dp = [[0 for _ in range(5)] for _ in range(len(prices))]

        dp[0][1] = -prices[0]
        dp[0][3] = -prices[0]

        for i in range(1,len(prices)):
            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[-1][4]

188.买卖股票的最佳时机IV

给定一个整数数组 prices ，它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

动规五部曲

• 确定dp数组以及下标的含义
  在动态规划：123.买卖股票的最佳时机III (opens new window)中，我是定义了一个二维dp数组，本题其实依然可以用一个二维dp数组。
  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
  …
  除了0以外，偶数就是卖出，奇数就是买入。
  题目要求是至多有K笔交易，那么j的范围就定义为 2 * k + 1 就可以了。

• 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])
  同理可以类比剩下的状态，代码如下：

for j in range(0,2 * k - 1 , 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])

• dp数组如何初始化
  第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0;
  第0天做第一次买入的操作，dp[0][1] = -prices[0];
  第0天做第一次卖出的操作， 其实大家可以理解当天买入，当天卖出，所以dp[0][2] = 0;
  第0天第二次买入操作，第二次买入依赖于第一次卖出的状态，其实相当于第0天第一次买入了，第一次卖出了，然后在买入一次（第二次买入），那么现在手头上没有现金，只要买入，现金就做相应的减少。所以第二次买入操作，初始化为：dp[0][3] = -prices[0];
  第二次卖出初始化dp[0][4] = 0;
  所以同理可以推出dp[0][j]当j为奇数的时候都初始化为 -prices[0]

for j in range(1, 2 * k , 2):
            dp[0][j] = -prices[0]

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。

• 确定遍历顺序
  从递归公式其实已经可以看出，一定是从前向后遍历，因为dp[i]，依靠dp[i - 1]的数值。
• 举例推导dp数组

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        if len(prices) == 0:
            return 0
        dp = [[0 for _ in range(2*k+1)] for _ in range(len(prices))]


        for j in range(1, 2 * k , 2):
            dp[0][j] = -prices[0]

        for i in range(1, len(prices)):
            for j in range(0,2 * k - 1 , 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[-1][-1]

今天这题难度可以，没有接触过的，很难想到！可以好好推敲！