给定一个整数数组prices
,其中第 prices[i]
表示第 i
天的股票价格 。
设计一个算法计算出最大利润。在满足以下约束条件下,你可以尽可能地完成更多的交易(多次买卖一支股票):
- 卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
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: prices = [1,2,3,0,2] 输出: 3 解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
示例 2:
输入: prices = [1] 输出: 0
这题买卖股票的最佳时机含冷冻期是一个系列问题,是在一二三四的基础上进行变化的,我们依旧可以沿用之前的动态规划定义的dp含义思想来定义这道题。
动态规划LeetCode-121.买卖股票的最佳时机1-优快云博客
动态规划LeetCode-122.买卖股票的最佳时机2-优快云博客
动态规划LeetCode-123.买卖股票的最佳时机3-优快云博客
动态规划LeetCode-188.买卖股票的最佳时机4-优快云博客
这题不限次数,所以不用像买卖股票的最佳时机3和4定义出第几次。那这题含有冷冻期,冷冻期是卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。那我们这题定义dp含义的时候要关乎冷冻期。动规五部曲(dp含义、递推公式、初始化、遍历顺序、打印数组)
dp含义:
dp[i][0]:第i天持有股票的最大利润
dp[i][1]:第i天不持有股票且处于冷冻期(卖出后的第二天)的最大利润
dp[i][2]:不持有股票且非冷冻期(可自由买入)的最大利润
递推公式:
推出递推公式呢就要看谁影响到它,谁与他有联系,有什么联系。
1.dp[i][0]
:第 i
天持有股票的最大利润。
-
可能来自前一天持有股票:
dp[i-1][0]
。 -
或者前一天不持有股票且不在冷冻期,今天买入:
dp[i-1][2] - prices[i]
。
所以dp[i][0] = dp[i-1][0] > dp[i-1][2] - prices[i] ? dp[i-1][0] : dp[i-1][2] - prices[i];
2.dp[i][1]
:第 i
天不持有股票且处于冷冻期的最大利润。
-
只能来自前一天持有股票,今天卖出:
dp[i-1][0] + prices[i]
。
所以dp[i][1] = dp[i-1][0] + prices[i];
3.dp[i][2]
:第 i
天不持有股票且不在冷冻期的最大利润。
-
可能来自前一天不持有股票且不在冷冻期:
dp[i-1][2]
。 -
或者前一天处于冷冻期:
dp[i-1][1]
。
所以 dp[i][2] = dp[i-1][2] > dp[i-1][1] ? dp[i-1][2] : dp[i-1][1];
初始化:
第0天买入
dp[0][0] = 0 - prices[0];
第0天不可能处于冷冻期
dp[0][1] = 0;
第0天不持有股票且不在冷冻期
dp[0][2] = 0;
遍历顺序:从前往后
打印数组:当遇到疑惑或者提交错误时,打印数组出来比较快速的看看哪一步有错。
以下是我在力扣c语言提交的代码,仅供参考:
int maxProfit(int* prices, int pricesSize) {
if (pricesSize == 0) return 0;
//0.持有股票 1.不持有股票且处于冷冻期 2.不持有股票且不在冷冻期
int dp[pricesSize][3];
//初始化第0天
//第0天买入
dp[0][0] = 0 - prices[0];
//第0天不可能处于冷冻期
dp[0][1] = 0;
//第0天不持有股票且不在冷冻期
dp[0][2] = 0;
for (int i = 1; i < pricesSize; i++) {
//持有股票的最大利润:前一天持有股票,或者今天买入股票(前一天不处于冷冻期)
dp[i][0] = dp[i-1][0] > dp[i-1][2] - prices[i] ? dp[i-1][0] : dp[i-1][2] - prices[i];
// 不持有股票且处于冷冻期的最大利润:前一天持有股票并在今日卖出
dp[i][1] = dp[i-1][0] + prices[i];
// 不持有股票且不处于冷冻期的最大利润:前一天不持有股票且不处于冷冻期,或者前一天处于冷冻期
dp[i][2] = dp[i-1][2] > dp[i-1][1] ? dp[i-1][2] : dp[i-1][1];
}
// 最后一天不持有股票的最大利润
int max = (dp[pricesSize - 1][1] > dp[pricesSize - 1][2]) ? dp[pricesSize - 1][1] : dp[pricesSize - 1][2];
return max;
}