LeetCode: 123. Best Time to Buy and Sell Stock III

LeetCode: 123. Best Time to Buy and Sell Stock III

题目大意

Say you have an array for which the ith element is the price of a given stock on day i.

Design an algorithm to find the maximum profit. You may complete at most two transactions.

Note:
You may not engage in multiple transactions at the same time (ie, you must sell the stock before you buy again).

题目大意: 给定一个表示每天的股价的数组,求出最多两次买卖机会下,最大收益。

解题思路 —— 动态规划

  • 每天的状态可能有五种情况: 一次都没有买卖, 第一次买入股票, 第一次卖出股票, 第二次买入股票, 第二次卖出股票。 由于一次都没有买卖的情况下,收益始终为 0,因此实际上我们只需要记录后四种状态。
  • 记: lastProfixes[0...3] 分别为上一天第一次买入股票, 第一次卖出股票, 第二次买入股票, 第二次卖出股票四种状态下的最大收益
  • 记: curProfixes[0...3] 分别为当天第一次买入股票, 第一次卖出股票, 第二次买入股票, 第二次卖出股票四种状态下的最大收益
  • 前 i 天作为第一次买入股票的状态的最优解:”第 i 天前就已经第一次买入股票的最优解” 和 “第 i 天第一次买入股票(收益为 -prices[i](买入股票,收益为负))”的最大值。 即 curProfixes[0] = max(lastProfixes[0], 0-prices[i]);
  • 前 i 天作为第一次卖出股票的状态的最优解: “第 i 天前就已经第一次卖出股票的最优解” 和 “第 i 天第一次卖出股票的收益(收益为第 i 天前第一次买入收益的最大值加上第 i 天卖出股票的收益(prices[i]+lastProfixes[0]))”的最大值, 即 curProfixes[1] = max(lastProfixes[1], prices[i]+lastProfixes[0]);
  • 前 i 天作为第二次买入股票的状态的最优解: “第 i 天前就已经第二次买入股票的最优解” 和 “第 i 天第二次买入股票的收益(收益为第 i 天前第一次买入并卖出收益的最大值加上当日买入股票的收益(lastProfixes[1]-prices[i]))” 的最大值, 即 curProfixes[2] = max(lastProfixes[2], lastProfixes[1]-prices[i]);
  • 前 i 天作为第二次卖出股票的状态的最优解: “第 i 天前就已经第二次卖出股票的最优解” 和 “第 i 天第二次卖出股票的收益(收益为第 i 天前第二次买入的收益的最大值加上当日卖出股票的收益(lastProfixes[2]+prices[i]))” 的最大值, 即 curProfixes[3] = max(lastProfixes[3], lastProfixes[2]+prices[i]);

AC 代码

class Solution {
private:
    // 枚举当前存在的状态
    const static int SELL_BUY_0_1 = 0;  // 第一次买入股票
    const static int SELL_BUY_1_1 = 1;  // 第一次卖出股票
    const static int SELL_BUY_1_2 = 2;  // 第二次买入股票
    const static int SELL_BUY_2_2 = 3;  // 第二次卖出股票
public:
    int maxProfit(vector<int>& prices) {
        // 保存上一天各种状态下的最大收益
        vector<int> lastProfixes {INT_MIN, 0, INT_MIN, 0};
        // 保存当天各种状态的最大收益
        vector<int> curProfixes{INT_MIN, 0, INT_MIN, 0};

        for(size_t i = 0; i < prices.size(); ++i)
        {
            // 第 i 天作为第一次买入股票的状态, 是否是第一次买入收益的最优解
            // 第 i 天第一次买入股票,则收益为 -prices[i](买入股票,收益为负)
            curProfixes[SELL_BUY_0_1] = max(lastProfixes[SELL_BUY_0_1], 0-prices[i]);

            // 第 i 天作为第一次卖出股票的状态, 是否是第一次卖出收益的最优解
            // 第 i 天第一次卖出股票的收益为第 i 天前第一次买入收益的最大值加上第 i 天卖出股票的收益
            // 即 (prices[i]+lastProfixes[SELL_BUY_0_1])
            curProfixes[SELL_BUY_1_1] = max(lastProfixes[SELL_BUY_1_1], 
                    prices[i]+lastProfixes[SELL_BUY_0_1]);

            // 第 i 天作为第二次买入股票的状态, 是否是第二次买入收益的最优解
            // 第 i 天第二次买入股票的收益为第 i 天前第一次买入并卖出收益的最大值加上当日买入股票的收益
            // 即 (lastProfixes[SELL_BUY_1_1]-prices[i])
            curProfixes[SELL_BUY_1_2] = max(lastProfixes[SELL_BUY_1_2],
                    lastProfixes[SELL_BUY_1_1]-prices[i]);

            // 第 i 天作为第二次卖出股票的状态, 是否是第二次卖出收益的最优解
            // 第 i 天第二次卖出股票的收益为第 i 天前第二次买入的收益的最大值加上当日卖出股票的收益
            // 即 (lastProfixes[SELL_BUY_1_2]+prices[i])
            curProfixes[SELL_BUY_2_2] = max(lastProfixes[SELL_BUY_2_2], 
                    lastProfixes[SELL_BUY_1_2]+prices[i]);

            // 一天过去了...
            lastProfixes = curProfixes;
        }

        // 买卖一次? 买卖两次? 收益最大
        return max(curProfixes[SELL_BUY_1_1], curProfixes[SELL_BUY_2_2]);
    }
};
给定一个整数数组 nums 和一个目标值 target,要求在数组中找出两个数的和等于目标值,并返回这两个数的索引。 思路1:暴力法 最简单的思路是使用两层循环遍历数组的所有组合,判断两个数的和是否等于目标值。如果等于目标值,则返回这两个数的索引。 此方法的时间复杂度为O(n^2),空间复杂度为O(1)。 思路2:哈希表 为了优化时间复杂度,可以使用哈希表来存储数组中的元素和对应的索引。遍历数组,对于每个元素nums[i],我们可以通过计算target - nums[i]的值,查找哈希表中是否存在这个差值。 如果存在,则说明找到了两个数的和等于目标值,返回它们的索引。如果不存在,将当前元素nums[i]和它的索引存入哈希表中。 此方法的时间复杂度为O(n),空间复杂度为O(n)。 思路3:双指针 如果数组已经排序,可以使用双指针的方法来求解。假设数组从小到大排序,定义左指针left指向数组的第一个元素,右指针right指向数组的最后一个元素。 如果当前两个指针指向的数的和等于目标值,则返回它们的索引。如果和小于目标值,则将左指针右移一位,使得和增大;如果和大于目标值,则将右指针左移一位,使得和减小。 继续移动指针,直到找到两个数的和等于目标值或者左指针超过了右指针。 此方法的时间复杂度为O(nlogn),空间复杂度为O(1)。 以上三种方法都可以解决问题,选择合适的方法取决于具体的应用场景和要求。如果数组规模较小并且不需要考虑额外的空间使用,则暴力法是最简单的方法。如果数组较大或者需要优化时间复杂度,则哈希表或双指针方法更合适。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值