代码随想录算法训练营第五十天丨123. 买卖股票的最佳时机 III、188. 买卖股票的最佳时机 IV

123. 买卖股票的最佳时机 III

思路：

首先，由于买第二支的时候第一支要卖掉，想到把prices划分一下，分成0 - i天买一支， i - n天买一支。然后就超时了，看来只能O(n)。

再一想，哎呀，多添加三个状态就行了。

三维dp：dp[i][j][k]表示，第i天持有（j=1）或不持有(j=0)股票，且之前已经进行过k(k=0,1,2）次交易时的最大收益。

可知dp[i][0][0]、dp[i][1][2]没有意义，一直是0；

dp[i][0][2]可以是昨天不持有，交易过两次，今天开摆的收益相比昨天持有，交易过一次，今天卖出去了的收益中的较大值。

dp[i][0][1]就是昨天不持有，交易过一次，今天不交易相比昨天持有，之前没交易过，今天卖出去收益中的较大值。

dp[i][1][0]就是，昨天已经持有相比今天第一次买中的较大值。

dp[i][1][1]就是，昨天已经持有，之前交易过一次的收益相比今天第二次买的收益中的较大值。

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        dp = [[[0] * 3 for _ in range(2)] for _ in range(n)]
        dp[0][1][0] = - prices[0]
        dp[0][1][1] = - prices[0]
        for i in range(1, n):
            dp[i][0][2] = max(dp[i - 1][0][2], dp[i - 1][1][1] + prices[i])
            dp[i][0][1] = max(dp[i - 1][0][1], dp[i - 1][1][0] + prices[i])
            dp[i][1][1] = max(dp[i - 1][1][1], dp[i][0][1] - prices[i])
            dp[i][1][0] = max(dp[i - 1][1][0], - prices[i])
        return max(dp[n - 1][0][1], dp[n - 1][0][2])

这就是困难吗，两个小时过去了！！！才理清楚！！但是AC了，好开心！！

188. 买卖股票的最佳时机 IV

思路：

就是III的推广嘛，

更新的时候用循环更新即可，因为dp[i][0][j]只依赖于dp[i - 1][0][j]和dp[i - 1][1][j - 1]，dp[i][1][j]只依赖于dp[i-1][1][j]和dp[i-1][0][j]，并且dp[i][1][0]其实可以一起写，因为dp[i-1][0][0]一直是0。

class Solution:
    def maxProfit(self, k: int, prices: List[int]) -> int:
        n = len(prices)
        dp = [[[0] * (k + 1) for _ in range(2)] for _ in range(n)]
        for i in range(0, k):
            dp[0][1][i] = - prices[0]
        for i in range(1, n):
            for j in range(1, k + 1):
                dp[i][0][j] = max(dp[i - 1][0][j], dp[i - 1][1][j - 1] + prices[i])
            for j in range(0, k):
                dp[i][1][j] = max(dp[i - 1][1][j], dp[i - 1][0][j] - prices[i])
        return max(dp[n - 1][0])

啊哈哈 两分钟就写完啦~~~~

今日总结：

一刷AC！！！！信心增强！