LeetCode题练习与总结：买卖股票的最佳时机Ⅲ--123

一、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 <= 10^5
• 0 <= prices[i] <= 10^5

二、解题思路

这个问题是典型的动态规划问题。我们需要找到最大利润，但这次我们最多可以进行两笔交易。我们可以用动态规划来跟踪在每一天结束时，我们能获得的最大利润。

我们需要定义以下状态变量：

• buy1：第一次购买股票后的最大利润。
• sell1：第一次卖出股票后的最大利润。
• buy2：第二次购买股票后的最大利润。
• sell2：第二次卖出股票后的最大利润。

初始状态：

• buy1 = -prices[0]（我们在第一天买入股票）
• sell1 = 0（我们还没有卖出股票）
• buy2 = -prices[0]（我们在第一天买入股票，然后再次买入）
• sell2 = 0（我们还没有进行第二次卖出）

对于每一天，我们需要更新这些状态变量：

• buy1 = max(buy1, -prices[i])（我们保持当前的最大亏损或在新低价时买入）
• sell1 = max(sell1, buy1 + prices[i])（我们保持当前的最大利润或在高价时卖出）
• buy2 = max(buy2, sell1 - prices[i])（我们在第一次卖出后，在低价时再次买入）
• sell2 = max(sell2, buy2 + prices[i])（我们在第二次买入后，在高价时卖出）

最终答案是sell2。

三、具体代码

class Solution {
    public int maxProfit(int[] prices) {
        if (prices == null || prices.length == 0) {
            return 0;
        }

        int buy1 = -prices[0], sell1 = 0;
        int buy2 = -prices[0], sell2 = 0;

        for (int i = 1; i < prices.length; i++) {
            buy1 = Math.max(buy1, -prices[i]);
            sell1 = Math.max(sell1, buy1 + prices[i]);
            buy2 = Math.max(buy2, sell1 - prices[i]);
            sell2 = Math.max(sell2, buy2 + prices[i]);
        }

        return sell2;
    }
}

四、时间复杂度和空间复杂度

1. 时间复杂度

• 我们可以看到，代码中有一个循环，这个循环会遍历一次给定的数组prices。
• 在循环内部，我们执行了四个基本操作，每个操作都是常数时间的操作，如比较和赋值。
• 因此，循环的每次迭代都是常数时间的，即O(1)。
• 由于循环执行了prices.length - 1次迭代（从索引1开始到prices.length - 1），所以总的时间复杂度是O(n)，其中n是数组prices的长度。

2. 空间复杂度

• 我们在代码中定义了四个整型变量buy1、sell1、buy2和sell2来存储每一步的最大利润状态。
• 这些变量使用的空间是常数大小的，与输入数组prices的大小无关。
• 因此，不管输入数组prices有多大，我们所使用的额外空间都是固定的，即O(1)。

综上所述，代码的时间复杂度是O(n)，空间复杂度是O(1)。

五、总结知识点

1. 基本编程概念：

• 变量定义：代码中定义了四个整型变量来存储买入和卖出的最大利润。
• 循环结构：使用for循环来遍历数组prices中的每个元素。

2. 数组操作：

• 访问数组元素：通过索引i访问数组prices中的元素。

3. 数学运算：

• 最大值比较：使用Math.max()函数来比较并保留最大值。

4. 算法思想：

• 动态规划：使用动态规划的思想来逐步计算最大利润，而不是暴力搜索所有可能的交易组合。

5. 动态规划状态定义：

• buy1和sell1：分别代表第一次买入和卖出股票后的最大利润。
• buy2和sell2：分别代表第二次买入和卖出股票后的最大利润。

6. 边界条件处理：

• 检查输入数组是否为空或长度为0，如果是，则直接返回

以上就是解决这个问题的详细步骤，希望能够为各位提供启发和帮助。