24暑假算法刷题 | Day40 | 动态规划 VIII | LeetCode 121. 买卖股票的最佳时机，122. 买卖股票的最佳时机 II，123. 买卖股票的最佳时机 III

---

炒股的一天 💴

121. 买卖股票的最佳时机

点此跳转题目链接

题目描述

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

示例 1：

输入：[7,1,5,3,6,4]
输出：5
解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
     注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格；同时，你不能在买入前卖出股票。

示例 2：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 没有交易完成, 所以最大利润为 0。

提示：

• 1 <= prices.length <= 105
• 0 <= prices[i] <= 104

题解

首先考虑最符合直觉的 贪心算法 ：从前往后，找到“前面最小的”和“其后最大的”，求差值即可：

int maxProfit(vector<int> &prices)
{
    int low = INT_MAX;
    int profit = INT_MIN;
    for (int price : prices) {
        low = min(low, price);             // 更新左边最小值
        profit = max(profit, price - low); // 更新最大差值
    }
    return profit;
}

或者考虑 动态规划 ，其中 dp[0] 表示当前不持有股票所得的最大利润， dp[1] 表示当前持有股票所得的最大利润：

int maxProfitII(vector<int> &prices)
{
    vector<int> dp = {0, -prices[0]};
    for (int i = 1; i < prices.size(); ++i) {
        dp[1] = max(dp[1], -prices[i]);        // 当前持有股票
        dp[0] = max(dp[0], dp[1] + prices[i]); // 当前不持有股票
    }
    return dp[0];
}

---

122. 买卖股票的最佳时机 II

点此跳转题目链接

题目描述

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。

在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。

返回 你能获得的 最大 利润 。

示例 1：

输入：prices = [7,1,5,3,6,4]
输出：7
解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
     总利润为 4 + 3 = 7 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
     总利润为 4 。

示例 3：

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。

提示：

• 1 <= prices.length <= 3 * 1e4
• 0 <= prices[i] <= 1e4

题解

首先不难想到，这题可以用贪心算法，即 “尽可能低价买入，尽可能高价卖出” 。但受限于题目中任何时候最多只能持有一股的限制，这样把prices整体考虑不好操作。

但其实我们可以把prices分成每日的利润来看，就可以轻松使用贪心算法了！

• 考虑在第1天买入、第3天卖出：

• 这次交易的利润为：prices[3] - prices[1]

  由于题目说了可以在同一天内买入和卖出股票，故上述交易可以“插入”第二天买入又卖出的过程，即上式可以写成：-prices[1] + (prices[2] - prices[2]) + prices[3] ，整理得 (prices[3] - prices[2]) + (prices[2] - prices[1]) ，这就把它分成了两天的日利润之和，此处第i天的日利润可以自然地定义为prices[i] - prices[i - 1]

• 那么以题目描述中的示例1为例，有：

  prices	7	1	5	3	6	4
  日利润	/	-6	4	-2	3	-2

  注意第一天不存在日利润。

  采用贪心思想，把日利润为正的累加：4 + 3 = 7，就是最大利润了！

这样写出的代码也是相当简洁的：

int maxProfit(vector<int> &prices)
{
    int profit = 0;
    for (int i = 1; i < prices.size(); i++){
        if (prices[i] - prices[i - 1] > 0)
            profit += prices[i] - prices[i - 1];
    }
    return profit;
}

除此之外，我们还可以考虑用 动态规划 解决此问题，其中 dp[0] 表示当前不持有股票所得的最大利润， dp[1] 表示当前持有股票所得的最大利润：

int maxProfit(vector<int> &prices)
{
    vector<int> dp = {0, -prices[0]};
    for (int i = 1; i < prices.size(); ++i) {
        dp[0] = max(dp[0], dp[1] + prices[i]);
        dp[1] = max(dp[1], dp[0] - prices[i]);
    }
    return dp[0];
}

---

123. 买卖股票的最佳时机 III

点此跳转题目链接

题目描述

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）。

示例 1:

输入：prices = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 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 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：

输入：prices = [7,6,4,3,1] 
输出：0 
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。

示例 4：

输入：prices = [1]
输出：0

提示：

• 1 <= prices.length <= 105
• 0 <= prices[i] <= 105

题解

这题在 121. 买卖股票的最佳时机 和 122. 买卖股票的最佳时机 II 的基础上，增加了买卖股票的次数限制： 最多只能进行两次交易 。由于每次必是“先买后卖”，我首先尝试将数组整体分为两段，对应两次交易所处的时间段，然后求这两段中各进行一次交易所得利润之和（这就是普通的买卖股票问题了），最后求不同分段方式下利润最大值即可：

class Solution // 分段+普通股票规划，超时
{
private:
    int simpleMax(const vector<int> &prices, int start, int end) {
        int low = INT_MAX, res = 0;
        for (int i = start; i < end; ++i) {
            low = min(low, prices[i]);
            res = max(res, prices[i] - low);
        }
        return res;
    }

public:
    int maxProfit(vector<int> &prices)
    {
        int res = 0;
        for (int i = 0; i < prices.size(); ++i) {
            int v1 = simpleMax(prices, 0, i);
            int v2 = simpleMax(prices, i, prices.size());
            res = max(res, v1 + v2);
        }
        return res;
    }
};

不出所料，这种愚蠢的方法超时了 🤡

---

下面采用更优雅的 动态规划 解决。

对于任一天，当前的状态无外乎5种：

• 未进行过交易
• 进行了一次买入
• 进行了一次卖出（即完成了一笔交易）
• 进行了两次买入、一次卖出（即完成一笔交易后，有买入了一次）
• 进行了两次买入、两次卖出（即完成了两笔交易）

其中，第一种情况下（未进行过交易）的余额显然为0（初始值），可以不考虑。在第 i 天，剩余四种情况对应的 最大余额 分别记作 dp[i][0] 到 dp[i][3] 。接下来考虑它们各自对应的 状态转移方程 ：

• 若进行了一次买入（ dp[i][0] )

  • 可能是之前就买入了的，这天无操作，故余额仍是 dp[i - 1][0]
  • 可能之前没买入、这天买入了，余额： -prices[i]

  所以求最大余额有： dp[i][0] = max(dp[i - 1][0], -prices[i])

• 若完成了一笔交易（ dp[i][1] ）

  • 可能是之前就完成了的，这天无操作，余额： dp[i - 1][1]
  • 可能之前买入了，这天卖出，余额： dp[i - 1][0] + prices[i]

  最大余额： dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])

• 若完成一笔交易后进行了一次买入（ dp[i][2] ）

  • 可能是之前就这样了，这天无操作，余额： dp[i - 1][2]
  • 可能之前完成了一笔交易，这天进行了一次买入，余额： dp[i - 1][1] - prices[i]

  最大余额： dp[i][2] = max(dp[i -1][2], dp[i - 1][1] - prices[i])

• 若完成了两笔交易（ dp[i][3] ）

  • 可能之前就是这样了，这天无操作，余额： dp[i - 1][3]
  • 可能之前完成了一笔交易后又买入了，这天卖出，余额： dp[i - 1][2] + prices[i]

  最大余额： dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] + prices[i])

末了，选取最后一天（第 n 天）完成了一次、两次交易的情况下余额更大的那个，即 max(dp[n][1], dp[n][3]) 。

都最后一天了，显然把持有的股票卖出去的情况余额会更多，所以不考虑另外两种情况了。

综上，按照动态规划经典版式写代码就可以了：

int maxProfit(vector<int> &prices)
{
    vector<vector<int>> dp(prices.size(), vector<int>(4, INT_MIN / 2));
    dp[0][0] = -prices[0]; // 第一天若要操作，只能买入
    for (int i = 1; i < dp.size(); ++i) {
        dp[i][0] = max(dp[i - 1][0], -prices[i]);
        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]);
    }
    return max(0, max(dp.back()[1], dp.back()[3])); // 如果股票一直跌，不如不买
}

初始化：除了 dp[0][0] ，其他位置初始化为 INT_MIN / 2 ，一方面是极小数、确保正确处理前几次情况（例如，第2天最多就完成一笔交易，即 dp[1][2] 和 dp[1][3] 不应该存在），另一方面避免越界

如果股票价格从头跌到尾，动态规划的最终结果会是负数，此时需要取0（不如一直不买）

显然，上述代码中的 dp 数组可以简化为一维的滚动数组：

int maxProfit(vector<int> &prices)
{
    vector<int> dp(4, INT_MIN / 2);
    dp[0] = -prices[0];
    for (int i = 1; i < prices.size(); ++i) {
        dp[0] = max(dp[0], -prices[i]);
        dp[1] = max(dp[1], dp[0] + prices[i]);
        dp[2] = max(dp[2], dp[1] - prices[i]);
        dp[3] = max(dp[3], dp[2] + prices[i]);
    }
    return max(0, max(dp[1], dp[3]));
}