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。算法
设计一个算法来计算你所能获取的最大利润。你最多能够完成 两笔 交易。数组
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以前的股票)。bash
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,
这笔交易所能得到利润 = 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,
这笔交易所能得到利润 = 4-1 = 3 。复制代码
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, 这笔交易所能得到利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,以后再将它们卖出。
由于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以前的股票。
复制代码
输入: [7,6,4,3,1]
输出: 0
解释: 在这个状况下, 没有交易完成, 因此最大利润为 0。复制代码
这是一个经典的动态规划问题,解决动态规划问题的步骤是:ui
dp定义的分析思路是,思考 i 状态的产生,和 i - 1状态有什么关系,也就是说 i 的状态,受 i - 1的哪些维度的影响。这里股票的收益,受前一天股价、是否持股、交易次数有关。因此咱们, 能够抽象出三个维度来解决这个问题,即:spa
dp[ i ][ j ][ k ]:i是天数,j是交易的次数,k是是否持股,咱们用这个三维数组来记录状态便可,数组中存的值,就是当天该状态下的最大收益。设计
dp方程须要根据j的取值来分组,即当j = 0 时,不存在 j - 1时的状态。code
当j == 0的时候:cdn
即以前没有过股票交易,因此是否持股和交易次数都和前一天的状态相同。
blog
当j != 0 的时候:it
如dp[i][j][0] 第i天,交易了j次,不持股,前一天有两个状态能够转移到该状态,即:
class Solution {
public int maxProfit(int[] prices) {
if(prices.length == 0) return 0;
int[][][] dp = new int[prices.length][3][2];
dp[0][1][1] = 0 - prices[0];
dp[0][2][1] = 0 - prices[0];
int max = 0;
for (int i = 1; i < prices.length; i++) {
for (int j = 0; j < 3; j++) {
if (j == 0) {
dp[i][j][0] = Math.max(dp[i - 1][j][0], 0);
dp[i][j][1] = Math.max(dp[i - 1][j][1], 0);
} else {
dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j][1] + prices[i]);
dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j - 1][0] - prices[i]);
}
}
}
for (int i = 0; i < prices.length; i++) {
max = Math.max(max, dp[i][2][0]);
}
return max;
}
}
复制代码