这题是股票交易的动态规划问题,允许最多进行k次交易。我们可以通过定义一个二维的dp数组,其中dp[i][j]表示第i天的状态为j时的最大收益。状态j包括了买入、卖出等情况,通过奇偶性来区分。
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
if (prices.size() == 0) return 0;
vector<vector<int>> dp(prices.size(), vector<int>(2 * k + 1, 0));
for (int j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
for (int i = 1;i < prices.size(); i++) {
for (int j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
}
return dp[prices.size() - 1][2 * k];
}
递推公式主要考虑当前状态是买入还是卖出,然后选择最优的操作。初始化时,第0天的状态需要特殊处理。遍历顺序是从前往后,利用前一天的状态更新当前状态。最终的结果是dp[prices.size() - 1][2 * k],表示最后一次卖出时的最大收益。