力扣题目——动态规划题目：股票问题01

动态规划题目——股票问题

---

---

参考链接：一个方法团灭6道股票问题：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/solution/yi-ge-fang-fa-tuan-mie-6-dao-gu-piao-wen-ti-by-l-3/

本文只是按照自己的理解把这篇文章疏通、简化一下思路

---

核心思想：用状态机的技巧来解决（ DP table）

具体思路分析：

一、

不用递归思想，而用[状态]进行穷举——具体到每一天，列举出每一天可能出现的所有[状态]，以及每个[状态]对应的[选择]。

股票问题 每天都会有三种[选择]：买入、卖出、无操作——buy、shell、rest
这个问题的[状态]有三个：天数，允许交易的最大次数，当前的持有状态（即rest的状态，不妨用1表示持有，0表示没有持有）

然后我们可以用一个三维数组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6状态

for 0<=i<n:
   for 1<=k<=K:
      for s in {0,1}:
          dp[i][k][s]=max(buy,shell,rest)

dp[3][2][1]的含义就是：今天是第三天，我手上持有股票，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，手上没有股票，至今最多进行3次交易。

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。
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。

二、

理解完上面的「状态」的穷举，我们需要 思考每种「状态」有哪些「选择」，应该如何更新「状态」，接下来先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])
     // 等价于max(   选择 rest  ,           选择 sell      )

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])
      // 等价于max(   选择 rest  ,           选择 buy         )

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。

如果 buy——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。
而且要注意 k 的限制，我们在选择 buy 的时候，把 k 减小了 1，当然你也可以在 sell 的时候减 1，一样的。

这时还差最后一种情况——定义 base case ，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。

综上所述：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])

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，接下来就是要根据题目具体化了。