力扣刷题笔记：188. 买卖股票的最佳时机 IV（动态规划，优秀算法搬运，代码逐行注释，比动态规划+贪心算法好理解一些）

题目：

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）。

示例 1：

输入：k = 2, prices = [2,4,1] 输出：2 解释：在第 1 天 (股票价格 = 2) 的时候买入，在第 2 天
(股票价格 = 4) 的时候卖出，这笔交易所能获得利润 = 4-2 = 2 。

示例 2：

输入：k = 2, prices = [3,2,6,5,0,3] 输出：7 解释：在第 2 天 (股票价格 = 2) 的时候买入，在第 3
天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
随后，在第 5 天 (股票价格 = 0) 的时候买入，在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。

提示：

0 <= k <= 109
0 <= prices.length <= 1000
0 <= prices[i] <= 1000

题解：

解题思路：
首先判断prices有没有数据，没有则返回0。
接着用n表示prices的长度。

这里说明以下dp是表示利润，dp的利润是通过股票价格的加减得来的，
-prices[i]就是买入，+prices[i]就是卖出。

接下来有两种情况：
一种是k >= n//2的，因为一次交易是买和卖，可以把n//2看成一次交易，n//2也就是最大交易数，如果k大于等于最大交易数，可以理解成不限制交易数，那么就可以不用考虑k了。

另外一种是k < n//2，也就是对整体的prices列表来说，交易次数是有限的，具体见代码注释。

题解代码：

class Solution:
    def maxProfit(self, k, prices):
        if not prices:
            return 0
        n = len(prices)
        if k >= n//2:
            dp = [[0,0] for _ in range(n)] 
            dp[0][0] = 0    
            dp[0][1] = -prices[0] 
            #dp的初始化，dp[][]，这里dp有两个框，第一个表示天数，第二个表示是否持有股票，0不持有，1持有
            #第0天不持有利润为0
            #第0天持有股票利润为负的第0天股票价格，也就是买入
            for i in range(1,n):   
                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])
                #第i天不持股，选择i-1天不持股，或者i-1天持股然后在第i天卖出,的最大值
                #第i天持股，选择i-1天持股，或者第i-1天不持股然后在第i天买入,的最大值
            return dp[n-1][0]   #最后返回最后一天不持股的数值
        else:
            dp = [[[0,0] for _ in range(k+1)] for _ in range(n)]
            #对dp初始化，这里是三维的列表，举个例子[[[0,0],[0,0],[0,0]],[[0,0],[0,0],[0,0]]]
            #这里一共是2天，可以交易2次，之所以2天里面各有三个[0,0]，是因为0，1，2笔交易的原因。
            for i in range(k+1): 
                dp[0][i][0] = 0   
                dp[0][i][1] = -prices[0]  
                #第0天i笔交易不持股为0
                #第0天i笔交易持股自然为第0天股票价格
            for i in range(1,n): 
                dp[i][0][0] = 0    
                dp[i][0][1] = max(dp[i-1][0][1],-prices[i])  
                #第i天0笔交易不持股为0
                #第i天0笔交易持股，选择第i-1天0笔交易持股,或者买入当前股票,的最大值，因为是0笔交易所以这样。
            for i in range(1,n):
                for j in range(1,k+1):
                    dp[i][j][0] = max(dp[i-1][j][0],dp[i-1][j-1][1]+prices[i])
                    dp[i][j][1] = max(dp[i-1][j][1],dp[i-1][j][0]-prices[i])
            #第i天j笔交易不持股,选择i-1天j笔交易不持股,或者第i-1天j-1笔交易持股然后在第i天卖出,的最大值
            #解释一下为什么j-1,因为这里我将一次交易定义为买入卖出，那么持股然后卖出就是一次交易，所以交易次数+1
            #第i天j笔交易持股，选择第i-1天j笔交易持股，或者第i-1天j笔交易不持股然后买入第i天的股票,的最大值
            maxprofit = 0
            for i in range(k+1):
                maxprofit = max(maxprofit,dp[n-1][i][0])
            #最大利润取maxprofit，或者最后一天所有交易次数的最大值
            return maxprofit

算法虽然没有上一篇动态规划+贪心速度快，但胜在容易理解！

作者：luo_luo
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv/solution/mai-mai-gu-piao-de-zui-jia-shi-ji-4python3dong-tai/
来源：力扣（LeetCode）https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iv