「力扣」第 123 题:买卖股票的最佳时机 III(困难)
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。
根据前两问,把状态定义得细致一点,就不难发现状态如何转移的了。
第 1 步:状态定义
- 状态定义:
dp[i][j]
表示在[0, i]
区间里(这个状态依然是前缀性质的),状态为j
的最大收益。j
的含义如下:
j = 0
:还未开始交易;j = 1
:第 1 次买入一支股票;j = 2
:第 1 次卖出一支股票;j = 3
:第 2 次买入一支股票;j = 4
:第 2 次卖出一支股票。
第 2 步:状态转移方程
“状态转移方程”可以用下面的图表示,它的特点是:状态要么停留,要么向后面走,状态不能回退。
具体表示式请见代码注释。
第 3 步:思考初始化
第 0 天的时候很容易初始化前两个状态,而状态 3
(表示第 2 次持股)只能赋值为一个不可能的数。
注意:只有在之前的状态有被赋值的时候,才可能有当前状态。
第 4 步:思考输出
最后一天不持股的状态都可能成为候选的最大利润。
参考代码 1:
public class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
if (len < 2) {
return 0;
}
// dp[i][j] ,表示 [0, i] 区间里,状态为 j 的最大收益
// j = 0:什么都不操作
// j = 1:第 1 次买入一支股票
// j = 2:第 1 次卖出一支股票
// j = 3:第 2 次买入一支股票
// j = 4:第 2 次卖出一支股票
// 初始化
int[][] dp = new int[len][5];
dp[0][0] = 0;
dp[0][1] = -prices[0];
// 3 状态都还没有发生,因此应该赋值为一个不可能的数
for (int i = 0; i < len; i++) {
dp[i][3] = Integer.MIN_VALUE;
}
// 状态转移只有 2 种情况:
// 情况 1:什么都不做
// 情况 2:由上一个状态转移过来
for (int i = 1; i < len; i++) {
// j = 0 的值永远是 0
dp[i][0] = 0;
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
// 最大值只发生在不持股的时候,因此来源有 3 个:j = 0 ,j = 2, j = 4
return Math.max(0, Math.max(dp[len - 1][2], dp[len - 1][4]));
}
}
第 5 步: 思考状态压缩
因为今天的值只参考了昨天的值,可以使用“滚动数组”技巧把行数压缩到 2 行(未写代码)。
并且还注意到它参考的是其它状态昨天的值,因此直接去掉第 1 维即可(结论未确定,但可以通过测评)。
说明:我一开始怀疑这种状态压缩方法的合理性(评论去已经有朋友提出了同样的质疑)。不倒着写,正着写依然可以通过测评。然后思考可以通过的原因:恰好dp[i][0]
对于任意的i
都有dp[i][0] = 0
,起点都一样,因此可以这样压缩。后面的几道股票问题,在状态压缩的时候,我测试过,有时候,颠倒两个状态的赋值过程,依然可以通过测评,理由未知,属强行解释。
参考代码 2:
public class Solution {
public int maxProfit(int[] prices) {
int len = prices.length;
if (len < 2) {
return 0;
}
// dp[i][j] ,表示 [0, i] 区间里,状态为 j 的最大收益
// j = 0:什么都不操作
// j = 1:第 1 次买入一支股票
// j = 2:第 1 次卖出一支股票
// j = 3:第 2 次买入一支股票
// j = 4:第 2 次卖出一支股票
int[] dp = new int[5];
dp[1] = -prices[0];
// 3 状态都还没有发生,因此应该赋值为一个不可能的数
dp[3] = Integer.MIN_VALUE;
for (int i = 1; i < len; i++) {
dp[0] = 0;
dp[1] = Math.max(dp[1], dp[0] - prices[i]);
dp[2] = Math.max(dp[2], dp[1] + prices[i]);
dp[3] = Math.max(dp[3], dp[2] - prices[i]);
dp[4] = Math.max(dp[4], dp[3] + prices[i]);
}
return Math.max(0, Math.max(dp[2], dp[4]));
}
}
from typing import List
class Solution:
def maxProfit(self, prices: List[int]) -> int:
size = len(prices)
if size < 2:
return 0
dp = [0 for _ in range(5)]
dp[0] = 0
dp[1] = -prices[0]
dp[3] = float('-inf')
# dp[j]:i 表示 [0, i] 区间里,状态为 j 的最大收益
# j = 0:什么都不操作
# j = 1:第 1 次买入一支股票
# j = 2:第 1 次卖出一支股票
# j = 3:第 2 次买入一支股票
# j = 4:第 2 次卖出一支股票
for i in range(1, size):
dp[0] = 0
dp[1] = max(dp[1], - prices[i])
dp[2] = max(dp[2], dp[1] + prices[i])
dp[3] = max(dp[3], dp[2] - prices[i])
dp[4] = max(dp[4], dp[3] + prices[i])
return max(0, dp[2], dp[4])
事实上,这道题可以转化为两个阶段的股票问题的第 1 题,即第 121 题。
参考代码 3:
public class Solution {
public int maxProfit(int[] prices) {
// 特判
int len = prices.length;
if (len < 2) {
return 0;
}
// [0, left] 包括 left 这个区间完成一次交易能够获得的最大利润
int[] left = new int[len];
int minVal = prices[0];
for (int i = 1; i < len; i++) {
left[i] = Math.max(left[i - 1], prices[i] - minVal);
minVal = Math.min(minVal, prices[i]);
}
// [right, len - 1] 包括 left 这个区间完成一次交易能够获得的最大利润
int[] right = new int[len];
int maxVal = prices[len - 1];
for (int i = len - 2; i >= 0; i--) {
right[i] = Math.max(right[i + 1], maxVal - prices[i]);
maxVal = Math.max(maxVal, prices[i]);
}
// 枚举间隙
// [0, 1[, 2, 3,] 4, 5]
// 这里有一个坑,有可能是只交易一次的场景
int res = Math.max(left[len - 1], right[0]);
for (int i = 1; i < len - 2; i++) {
res = Math.max(res, left[i] + right[i + 1]);
}
return res;
}
}
from typing import List
class Solution:
def maxProfit(self, prices: List[int]) -> int:
size = len(prices)
if size < 2:
return 0
# [0, left] 区间里进行一次买卖的最大收益
left = [0 for _ in range(size)]
min_val = prices[0]
for i in range(1, size):
left[i] = max(left[i - 1], prices[i] - min_val)
min_val = min(min_val, prices[i])
# [right, len - 1] 区间里进行一次买卖的最大收益
right = [0 for _ in range(size)]
max_val = prices[size - 1]
for i in range(size - 2, -1, -1):
right[i] = max(right[i + 1], max_val - prices[i])
max_val = max(max_val, prices[i])
# 枚举间隙
# [0, 1[, 2, 3,] 4, 5]
# 这里有一个坑,有可能是只交易一次的场景
res = max(left[size - 1], right[0])
for i in range(1, size - 2):
res = max(res, left[i] + right[i + 1])
return res
#include
#include
using namespace std;
class Solution {
public:
int maxProfit(vector &prices) {
// 特判
int size = prices.size();
if (size < 2) {
return 0;
}
// [0, left] 区间里进行一次买卖的最大收益
vector left(size, 0);
int minVal = prices[0];
for (int i = 1; i < size - 1; ++i) {
left[i] = max(left[i - 1], prices[i] - minVal);
minVal = min(minVal, prices[i]);
}
// [right, len - 1] 区间里进行一次买卖的最大收益
vector right(size, 0);
int maxVal = prices[size - 1];
for (int i = size - 2; i >= 0; --i) {
right[i] = max(right[i + 1], maxVal - prices[i]);
maxVal = max(maxVal, prices[i]);
}
// 枚举间隙
// [0, 1[, 2, 3,] 4, 5]
// 这里有一个坑,有可能是只交易一次的场景
int res = max(left[size - 1], right[0]);
for (int i = 1; i < size - 2; ++i) {
res = max(res, left[i] + right[i + 1]);
}
return res;
}
};