代码随想录 11.10 || 动态规划 LeetCode 123.买卖股票的最佳时机Ⅲ、188.买卖股票的最佳时机Ⅳ

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];
    }
};