前言:这个专栏主要讲述动态规划算法,所以下面题目主要也是这些算法做的
我讲述题目会把讲解部分分为3个部分:
1、题目解析
2、算法原理思路讲解
3、代码实现
买卖股票的最佳时机 IV
题目链接:买卖股票的最佳时机 IV
题目
给你一个整数数组 prices
和一个整数 k
,其中 prices[i]
是某支给定的股票在第 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 k
笔交易。也就是说,你最多可以买 k
次,卖 k
次。
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:k = 2, prices = [2,4,1] 输出:2 解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
输入:k = 2, prices = [3,2,6,5,0,3] 输出:7 解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。 随后,在第 5 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 。
提示:
1 <= k <= 100
1 <= prices.length <= 1000
0 <= prices[i] <= 1000
解法
算法原理讲解
我们这题使用动态规划,我们做这类题目可以分为以下五个步骤
- 状态显示
- 状态转移方程
- 初始化(防止填表时不越界)
- 填表顺序
- 返回值
- 状态显示
f[ i ][ j ] 表示:第 i 天结束后, 交易 j 次, 此时处于「有股票」状态的最大收益;g[ i ][ j ] 表示: 第 i 天结束后,完成了 j 笔交易,此时处于「无股票」状态的最大收益。
- 状态转移方程
对于 f[ i ][ j ] ,我们有两种情况到这个状态:
- 在 i - 1 天的时候,交易了 j 次,处于「买⼊」状态,第 i 天啥也不⼲即可。此时最大利润为: f[i - 1][j] ;
- 在 i - 1 天的时候,交易了 j 次,处于「卖出」状态,第 i 天的时候把股票买了。此时的最⼤利润为: g[i - 1][j] - prices[i] 。
- 综上,我们要的是「最大利润」,因此是两者的最⼤值: f[i][j] = max(f[i - 1][j],g[i - 1][j] - prices[i]) 。
对于 g[i][j] ,我们也有两种情况可以到达这个状态:
- 在 i - 1 天的时候,交易了 j 次,处于「卖出」状态,第 i 天啥也不⼲即可。此时的 最大利润为: g[i - 1][j] ;
- 在 i - 1 天的时候,交易了 j - 1 次,处于「买⼊」状态,第 i 天把股票卖了,然后就完成了 j 次交易。此时的最⼤利润为: f[i - 1][j - 1] + prices[i] 。但是这个状态不⼀定存在,要先判断⼀下。
- 综上,我们要的是最⼤利润,因此状态转移⽅程为:
- g[ i ][ j ] = g[i - 1][ j ];
- if(j >= 1) g[ i ][ j ] = max(g[ i ][ j ] , f[i - 1][j - 1] + prices[i]);
- 初始化(防止填表时不越界)
由于需要⽤到 i = 0 时的状态,因此我们初始化第⼀⾏即可。
- 当处于第 0 天的时候,只能处于「买⼊过⼀次」的状态,此时的收益为 -prices[0] ,因此 f[0][0] = - prices[0] 。
- 为了取 max 的时候,⼀些不存在的状态「起不到⼲扰」的作⽤,我们统统将它们初始化为 - N_MIN (⽤ INT_MIN 在计算过程中会有「溢出」的⻛险,这⾥ N_MIN 折半取0x3f3f3f3f ,⾜够小即可)
- 填表顺序
从「上往下填」每⼀⾏,每⼀⾏「从左往右」,两个表「⼀起填」。
- 返回值
返回处于「卖出状态」的最⼤值,但是我们也「不知道是交易了多少次」,因此返回 g 表最后⼀行的最大值。
代码实现
class Solution {
public:
const int N_MIN = 0x3f3f3f3f;
int maxProfit(int k, vector<int>& prices)
{
int n = prices.size();
vector<vector<int>> f(n, vector<int>(k+1, -N_MIN));
auto g = f;
f[0][0] = -prices[0];
g[0][0] = 0;
for (int i = 1; i < n; i++)
{
for (int j = 0; j <= k; j++)
{
f[i][j] = max(f[i-1][j], g[i-1][j]-prices[i]);
g[i][j] = g[i-1][j];
if (j >= 1)
{
g[i][j] = max(g[i][j], f[i - 1][j - 1] + prices[i]);
}
}
}
// 找到最后⼀⾏的最⼤值
int ret = 0;
for(int j = 0; j < k+1; j++)
{
ret = max(ret, g[n - 1][j]);
}
return ret;
}
};