题目
给定一个数组,它的第 i 个元素是一支给定的股票在第 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 两笔 交易。
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: [3,3,5,0,0,3,1,4]
输出: 6
解释: 在第 4 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 。
随后,在第 7 天(股票价格 = 1)的时候买入,在第 8 天 (股票价格 = 4)的时候卖出,这笔交易所能获得利润 = 4-1 = 3 。
示例 2:
输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。
示例 3:
输入: [7,6,4,3,1]
输出: 0
解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii
python 代码
1,双循环双指针
class Solution:
def maxProfit(self, prices: List[int]) -> int:
lenth = len(prices)
profit = 0
for i in range(lenth): #第一次购买天数 i
L = i+1 #左指针 #第一次回收天数 L
while L<lenth:
pro_1=prices[L]-prices[i] #第一次购买盈亏情况
if pro_1>profit:
profit = pro_1
L=L+1
if L+1<=lenth: #第一次购买后,至少还需要两天才可以购买第二次(上行代码已+1)
for j in range(L,lenth): #第二次购买天数 j
R = lenth-1 #第二次回收天数 R
while R>j:
pro_2=prices[R]-prices[j] #第二次购买盈亏情况
if pro_1+pro_2>profit:
profit = pro_1+pro_2
R=R-1
return profit
通过多次循环实现。然而在运行到198/200个例程时,显示“超出时间限制”。
2,动态规划
这里参考了marcusxu的题解。
作者:marcusxu
链接:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii/solution/tong-su-yi-dong-de-dong-tai-gui-hua-jie-fa-by-marc/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
lenth=len(prices)
if lenth == 0:
return 0
#每日利润=[天数][是否持有股票][卖出次数],即lenth*2(0/1)*3(0/1/2)
#构建三维矩阵,初始化,共有lenth组
dp=[ [[0,0,0],[0,0,0]] for i in range(0,lenth)]
#第一天不购买股票 [第1天:0][未持有股票:0][未卖出:0]]
dp[0][0][0]=0
## 第一天不存在已经卖出
dp[0][0][1] = float('-inf')
dp[0][0][2] = float('-inf')
#第一天购买股票
dp[0][1][0]=-prices[0]
## 第一天不存在已经卖出
dp[0][1][1]=float('-inf')
dp[0][1][2]=float('-inf')
for i in range(1,lenth):
#第i天不购买股票
dp[i][0][0]=0
#第i天购买股票,未卖出。
#判断第几天买入,花费最小
dp[i][1][0]=max(dp[i-1][0][0]-prices[i],dp[i-1][1][0])
#第i天不购买股票,卖出一次。
#判断第一次卖出在第几天的利润最大
dp[i][0][1]=max(dp[i-1][1][0]+prices[i],dp[i-1][0][1])
#第i天第2次购买股票。
#判断第二次购买在第几天花费最小
dp[i][1][1]=max(dp[i-1][0][1]-prices[i],dp[i-1][1][1])
#第i天不购买股票,卖出二次。
#第i天判断第二次卖出在第几天的利润最大
dp[i][0][2]=max(dp[i-1][1][1]+prices[i],dp[i-1][0][2])
#第i天购买股票,卖出过2次,不可能
#dp[i][1][2]=float('-inf')
return max(dp[lenth-1][0][1],dp[lenth-1][0][2],0)
#最后一天结束后,股票一定全部卖出,所以只需要判断最后一天的情况