T309最佳买卖股票时机含冷冻期以及对股票类型题目的总结模板

股票类型题目DP模板：
【思想】:还是借助穷举法：
首先，还是一样的思路：如何穷举？
这里，我们不用递归思想进行穷举，而是利用「状态」进行穷举。我们具体到每一天，看看总共有几种可能的「状态」，再找出每个「状态」对应的「选择」。我们要穷举所有「状态」，穷举的目的是根据对应的「选择」更新状态。听起来抽象，你只要记住「状态」和「选择」两个词就行，下面实操一下就很容易明白了。

for 状态1 in 状态1的所有取值：
for 状态2 in 状态2的所有取值：
for …
dp[状态1][状态2][…] = 择优(选择1，选择2…)
比如说这个问题，每天都有三种「选择」：买入、卖出、无操作，我们用 buy, sell, rest 表示这三种选择。但问题是，并不是每天都可以任意选择这三种选择的，因为 sell 必须在 buy 之后，buy 必须在 sell 之后。那么 rest 操作还应该分两种状态，一种是 buy 之后的 rest（持有了股票），一种是 sell 之后的 rest（没有持有股票）。而且别忘了，我们还有交易次数 k 的限制，就是说你 buy 还只能在 k > 0 的前提下操作。

很复杂对吧，不要怕，我们现在的目的只是穷举，你有再多的状态，老夫要做的就是一把梭全部列举出来。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，我们不妨用 1 表示持有，0 表示没有持有）。然后我们用一个三维数组就可以装下这几种状态的全部组合：
dp[i][k][0 or 1]
0 <= i <= n-1, 1 <= k <= K
n 为天数，大 K 为最多交易数
此问题共 n × K × 2 种状态，全部穷举就能搞定。

for 0 <= i < n:
for 1 <= k <= K:
for s in {0, 1}:
dp[i][k][s] = max(buy, sell, rest)
而且我们可以用自然语言描述出每一个状态的含义，比如说 dp[3][2][1] 的含义就是：今天是第三天，我现在手上持有着股票，至今最多进行 2 次交易。再比如 dp[2][3][0] 的含义：今天是第二天，我现在手上没有持有股票，至今最多进行 3 次交易。很容易理解，对吧？

我们想求的最终答案是 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。读者可能问为什么不是 dp[n - 1][K][1]？因为 [1] 代表手上还持有股票，[0] 表示手上的股票已经卖出去了，很显然后者得到的利润一定大于前者。

记住如何解释「状态」，一旦你觉得哪里不好理解，把它翻译成自然语言就容易理解了。

二、状态转移框架
现在，我们完成了「状态」的穷举，我们开始思考每种「状态」有哪些「选择」，应该如何更新「状态」。只看「持有状态」，可以画个状态转移图。

通过这个图可以很清楚地看到，每种状态（0 和 1）是如何转移而来的。根据这个图，我们来写一下状态转移方程：

dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])

解释：今天我没有持有股票，有两种可能：
要么是我昨天就没有持有，然后今天选择 rest，所以我今天还是没有持有；
要么是我昨天持有股票，但是今天我 sell 了，所以我今天没有持有股票了。

dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])

解释：今天我持有着股票，有两种可能：
要么我昨天就持有着股票，然后今天选择 rest，所以我今天还持有着股票；
要么我昨天本没有持有，但今天我选择 buy，所以今天我就持有股票了。
这个解释应该很清楚了，如果 buy，就要从利润中减去 prices[i]，如果 sell，就要给利润增加 prices[i]。今天的最大利润就是这两种可能选择中较大的那个。而且注意 k 的限制，我们在选择 buy 的时候，把 k 减小了 1，很好理解吧，当然你也可以在 sell 的时候减 1，一样的。

现在，我们已经完成了动态规划中最困难的一步：状态转移方程。如果之前的内容你都可以理解，那么你已经可以秒杀所有问题了，只要套这个框架就行了。不过还差最后一点点，就是定义 base case，即最简单的情况。

dp[-1][k][0] = 0
解释：因为 i 是从 0 开始的，所以 i = -1 意味着还没有开始，这时候的利润当然是 0 。
dp[-1][k][1] = -infinity
解释：还没开始的时候，是不可能持有股票的，用负无穷表示这种不可能。
dp[i][0][0] = 0
解释：因为 k 是从 1 开始的，所以 k = 0 意味着根本不允许交易，这时候利润当然是 0 。
dp[i][0][1] = -infinity
解释：不允许交易的情况下，是不可能持有股票的，用负无穷表示这种不可能。
把上面的状态转移方程总结一下：

base case：
dp[-1][k][0] = dp[i][0][0] = 0
dp[-1][k][1] = dp[i][0][1] = -infinity

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])
读者可能会问，这个数组索引是 -1 怎么编程表示出来呢，负无穷怎么表示呢？这都是细节问题，有很多方法实现。现在完整的框架已经完成，下面开始具体化。

T309题目具体思路：
套用模板：
因为本题中允许的最大交易次数K可以为+infinite，所以k-1跟k没区别，所以状态转移方程就不同去考虑K的取值情况了。
dp[i][0]表示第i天没持有股票时的最大利益
dp[i][1]表示第i天持有股票时的最大利益
DP公式：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]}
这里为什么可以直接用dp[i-2][0]-prices[i]，是因为原本再未有冷却期时，对应的选择应为dp[i-1][0]-prices,但是因为有了冷却期，我得保证再我买入的这一天的前一天不会发生卖出行为。怎么保证呢？因为dp[i-1][0] = max{dp[i-2][0],dp[i-2][1]+prices[i-1]}，也就是第i-1天未持有股票时有两者情况：1.第i-2天就没有持有股票了，第i-1天啥也不干，2.第i-2天持有股票然后第i-1天给卖了。如果发生第2种情况则就违背了冷却期的定义了，所以我们不能让第2种情况发生，所以说第i-1天未持有股票只能存在一种情况：也就是情况1.也就是它只有1种选择。也就是只能令dp[i-1][0]=dp[i-2][0]

/*
case1:空间复杂度为O（n）
*/
class Solution {
    public int maxProfit(int[] prices) {
     int len = prices.length;
     if(len<2) return 0;   
     int[][] dp = new int[len][2];
     //base case 初始情况
     dp[0][0] = 0;
     dp[0][1] = -prices[0];
     dp[1][0] = Math.max(dp[0][0],dp[0][1]+prices[1]);
     dp[1][1] = Math.max(dp[0][1],-prices[1]);
     for(int i=2;i<len;i++){
         dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
         dp[i][1] = Math.max(dp[i-1][1],dp[i-2][0]-prices[i]);
     }
     //最后一天没持有股票时利益最大
     return dp[len-1][0];
    }
}

case2:改进版：空间复杂度为O(1)
/*
DP公式：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]}
        观察状态转移方程发现每个状态仅与相邻的1个或两个状态有关，所以我们可以用变量来存储这些所需要的相邻的状态，而不用数组去存储所有的状态。
      i_0表示第i天未持有股票时的最大利益,初始为第0天时的情况
      i_1表示第i天持有股票时的最大利益，初始为第0天时的情况
      i_2_0表示第i-2天未持有股票时的最大利益
    */
class Solution {
    public int maxProfit(int[] prices) {
     if(prices.length<2) return 0;
     int i_0 = 0;
     int i_1 = -prices[0];
     int i_2_0 = 0;
     for(int i=1;i<prices.length;i++){
         //注意这个temp，其用于记录i_2_0的取值
         int temp = i_0;
         i_0 = Math.max(i_0,i_1+prices[i]);
         i_1 = Math.max(i_1,i_2_0-prices[i]);
         i_2_0 = temp;
     }
     return i_0;
    }
}