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
这道题可以使用动态规划的思想来解决。
我们可以先考虑只进行一次交易的情况,用两个数组`buy1`和`sell1`来记录在第i天进行一次交易时的最佳买入和卖出价格。初始化时,`buy1[0] = -prices[0]`表示第一天买入,`sell1[0] = 0`表示第一天不卖出,因为还没有持有股票可以卖出。接下来,我们从第二天开始遍历数组,更新`buy1`和`sell1`数组,具体更新方式如下:
- 对于`buy1[i]`,可以选择不买入,即`buy1[i] = buy1[i-1]`,或者在第i天买入,即`buy1[i] = -prices[i]`和前一天的`sell1[i-1]`二者中的较大值。
- 对于`sell1[i]`,可以选择不卖出,即`sell1[i] = sell1[i-1]`,或者在第i天卖出,即`sell1[i] = prices[i] + buy1[i-1]`和前一天的`sell1[i-1]`二者中的较大值。
然后,我们考虑进行两次交易的情况,用两个数组`buy2`和`sell2`来记录在第i天进行两次交易时的最佳买入和卖出价格。初始化时,`buy2[0] = -prices[0]`和`sell2[0] = buy2[1] = sell2[1] = 0`(因为第一天买入了一次交易,所以第二天不能再买入了)。接下来,我们从第二天开始遍历数组,更新`buy2`和`sell2`数组,具体更新方式如下:
- 对于`buy2[i]`,可以选择不买入,即`buy2[i] = buy2[i-1]`,或者在第i天买入,即`buy2[i] = sell1[i-1] - prices[i]`和前一天的`sell2[i-1]`二者中的较大值。
- 对于`sell2[i]`,可以选择不卖出,即`sell2[i] = sell2[i-1]`,或者在第i天卖出,即`sell2[i] = prices[i] + buy2[i-1]`和前一天的`sell2[i-1]`二者中的较大值。
最终,我们可以得到两次交易的最大利润为`sell2[n-1]`,其中n是数组`prices`的长度。
下面是完整的java代码实现:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n <= 1) {
return 0;
}
int[] buy1 = new int[n];
int[] sell1 = new int[n];
int[] buy2 = new int[n];
int[] sell2 = new int[n];
buy1[0] = -prices[0];
sell1[0] = 0;
buy2[0] = -prices[0];
sell2[0] = 0;
buy2[1] = -prices[1];
for (int i = 1; i < n; ++i) {
buy1[i] = Math.max(buy1[i-1], -prices[i]);
sell1[i] = Math.max(sell1[i-1], prices[i]+buy1[i-1]);
buy2[i] = Math.max(buy2[i-1], sell1[i-1]-prices[i]);
sell2[i] = Math.max(sell2[i-1], prices[i]+buy2[i-1]);
}
return sell2[n-1];
}
}
```
时间复杂度为O(n),其中n是数组`prices`的长度。另外,上述算法也可以进行状态压缩,只用O(1)的空间复杂度。状态压缩的方法是将四个数组中的每个元素都用变量来表示,从而避免使用数组。下面是状态压缩的java代码实现:
class Solution {
public int maxProfit(int[] prices) {
int n = prices.length;
if (n <= 1) {
return 0;
}
int buy1 = -prices[0], sell1 = 0, buy2 = -prices[0], sell2 = 0;
for (int i = 1; i < n; ++i) {
buy1 = Math.max(buy1, -prices[i]);
sell1 = Math.max(sell1, prices[i]+buy1);
buy2 = Math.max(buy2, sell1-prices[i]);
sell2 = Math.max(sell2, prices[i]+buy2);
}
return sell2;
}
}
```
在状态压缩的代码实现中,我们用四个变量`buy1`、`sell1`、`buy2`和`sell2`来分别表示数组`buy1`、`sell1`、`buy2`和`sell2`中的每个元素。这样,就可以避免使用数组,从而将空间复杂度降为O(1)。