本文主要是介绍【LeetCode】188. 买卖股票的最佳时机 IV(困难)——代码随想录算法训练营Day50,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
题目链接:188. 买卖股票的最佳时机 IV
题目描述
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
文章讲解:
视频讲解:
题解1:动态规划
思路:本题是 123. 买卖股票的最佳时机 III 的增强版,可以将 dp 数组定义成三维数组。
动态规划分析:
- dp 数组以及下标的含义:
dp 是一个三维数组,每行 k + 1个元素。dp[i][k][0] 表示第 i 天第 k 次持有股票所得的最大现金,dp[i][k][1] 代表第 i 天第 k 次不持有股票所得的最大现金。
- 递推公式:dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j - 1][1] - prices[i]),dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j][0] + prices[i]);
- dp 数组初始化:dp[0][k][0] = -prices[0]。
- 遍历顺序:从前到后。
- 打印 dp 数组:以输入k = 2、prices = [2,4,1] 为例,dp 数组为 [ [ [ 0, 0 ], [ -2, 0 ], [ -2, 0 ] ], [ [ 0, 0 ], [ -2, 2 ], [ -2, 2 ] ], [ [ 0, 0 ], [ -1, 2 ], [ 1, 2 ] ] ]。
/*** @param {number} k* @param {number[]} prices* @return {number}*/
var maxProfit = function(k, prices) {const dp = new Array(prices.length).fill().map(() => new Array(k + 1).fill().map(() => new Array(2).fill(0)));for (let j = 1; j <= k; j++) {dp[0][j][0] = -prices[0];}for (let i = 1; i < prices.length; i++) {for (let j = 1; j <= k; j++) {dp[i][j][0] = Math.max(dp[i - 1][j][0], dp[i - 1][j - 1][1] - prices[i]);dp[i][j][1] = Math.max(dp[i - 1][j][1], dp[i - 1][j][0] + prices[i]);}}return dp[prices.length - 1][k][1];
};
分析:时间复杂度为 O(n),空间复杂度为 O(n * k)。
题解2:动态规划优化
思路:dp[i] 的状态只依赖于 dp[i - 1] 的状态,可以用一个变量 cur 保存 dp[i - 1],动态更新此变量。
/*** @param {number} k* @param {number[]} prices* @return {number}*/
var maxProfit = function(k, prices) {const cur = new Array(k + 1).fill().map(() => new Array(2).fill(0));for (let j = 1; j <= k; j++) {cur[j][0] = -prices[0];}for (let i = 1; i < prices.length; i++) {for (let j = 1; j <= k; j++) {cur[j][0] = Math.max(cur[j][0], cur[j - 1][1] - prices[i]);cur[j][1] = Math.max(cur[j][1], cur[j][0] + prices[i]);}}return cur[k][1];
};
分析:时间复杂度为 O(n * k),空间复杂度为 O(k)。
收获
练习使用动态规划求解买卖股票问题,体验状态压缩降低空间复杂度的过程。
这篇关于【LeetCode】188. 买卖股票的最佳时机 IV(困难)——代码随想录算法训练营Day50的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!