123.买卖股票的最佳时机Ⅲ
又双叒买卖股票,这次要求 最多可以完成两笔交易,可以一笔不买、只买一笔和买卖两笔,求能够获得的最大利润。参考 121.买卖股票的最佳时机 和 122.买卖股票的最佳时机Ⅱ,我们需要在 dp 数组中记录当天的买卖状态,那么一共有多少种状态呢?
一共有五种状态:当天不买不卖不持有,即无状态,不操作;当天第一次持有(买入),这里的持有状态是一个延续状态,如果前一天买入或者持有股票,那么今天一定是持有(买入)的状态;当天第一次不持有(卖出);当铁第二次持有(买入);当天第二次不持有(卖出)。根据上述状态,定义 dp 数组。
确定递推公式,dp[i][0] 表示 第 i 天无状态,不操作,则第 i-1 天也一定是无状态,不操作,所以 dp[i][0] = dp[i-1][0];dp[i][1] 表示第 i 天为第一次持有(买入)状态,dp[i][1] = max(dp[i-1][1], dp[i-1][0] - prices[i]),要么当天买入股票,要么继承自前一天的状态;dp[i][2] 表示第 i 天为第一次不持有(卖出)状态,dp[i][2] = max(dp[i-1][2], dp[i-1][1] - prices[i]),要么当天卖出股票,要么继承自前一天的状态;dp[i][3] 和 dp[i][4] 同理。
遍历顺序,自前向后;
数组初始化,根据题意,可以当天连续买入卖出,因此将第一次买入和第二次买入的状态初始化为 -prices[0],其余初始化为 0 即可;
如遇问题,打印 dp 数组 debug。
class Solution {
public:
int maxProfit(vector<int> &prices) {
if (prices.size() == 0) return 0;
vector<vector<int>> dp(prices.size(), vector<int>(5, 0));
dp[0][1] = -prices[0];
dp[0][3] = -prices[0];
for (int i = 1; i < prices.size(); ++i) {
dp[i][0] = dp[i - 1][0];
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]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
return dp[prices.size() - 1][4];
}
};
188.买卖股票的最佳时机Ⅳ
本题为上一题的进阶版,将限制条件 最多买卖两次 改为 最多买卖 k 次,大体思路并未改变,我们只需要使用循环初始化每一次的买入状态,在遍历过程中借助循环遍历每一次的天的持有和不持有的状态即可。
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];
}
};