算法训练Day50 | LeetCode123. 买卖股票的最佳时机III（最多买卖2次）；LeetCode188. 买卖股票的最佳时机IV（最多买卖K次）

努力学习的牛宁西

已于 2022-11-09 18:21:48 修改

阅读量1.8k

点赞数 9

分类专栏：代码随想录训练营文章标签： leetcode 算法职场和发展动态规划 python

于 2022-11-09 18:21:46 首次发布

本文链接：https://blog.csdn.net/weixin_47284299/article/details/127775140

版权

这篇博客深入解析了LeetCode中的两道股票问题，123题和188题，允许最多买卖股票两次和K次。博主通过动态规划五部曲详细分析了每题的思路，包括确定dp数组、递推公式、初始化、遍历顺序和实例推导。同时给出了代码实现和复杂度分析，强调了理解和避免常见误区的重要性。

摘要由CSDN通过智能技术生成

LeetCode123. 买卖股票的最佳时机III

本题相对于LeetCode121和LeetCode122难了不少；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。

接来下我用动态规划五部曲详细分析一下：

一天一共就有五个状态，

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，这是很多同学容易陷入的误区；

达到dp[i][1]状态，有两个具体操作：

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：

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[0][0]

第0天没有操作，这个最容易想到，就是0，即：dp[0][0] = 0；
dp[0][1]

第0天做第一次买入的操作，dp[0][1] = -prices[0]；
dp[0][2]

第0天做第一次卖出的操作，这个初始值应该是多少呢？首先卖出的操作一定是收获利润，整个股票买卖最差情况也就是没有盈利即全程无操作现金为0，从递推公式中可以看出每次是取最大值，那么既然是收获利润如果比0还小了就没有必要收获这个利润了，所以dp[0][2] = 0;（这个解释我不是很懂）我认为可以理解成第0天买入了再卖出，价格是一样的，所以为0；
dp[0][3]

第0天第二次买入操作，初始值应该是多少呢？应该不少同学疑惑，第一次还没买入呢，怎么初始化第二次买入呢？

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]；
dp[0][4]