class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
if (k == 0 || prices.empty()) {
return 0;
}
if (k > prices.size()/2) return help(prices);
vector<int> pre(prices.size(), 0);
vector<int> f(prices.size(), 0);
for (int i = 0; i < k; ++i) {
int tmp = f[0]-prices[0];
for (int j = 1; j < prices.size(); ++j) {
f[j] = max(f[j-1], prices[j]+tmp);
tmp = max(tmp, pre[j-1]-prices[j]);
}
pre = f;
}
return f.back();
}
int help(vector<int>& prices) {
int result = 0;
for (int i = 1; i < prices.size(); ++i) {
result += prices[i]>prices[i-1]?prices[i]-prices[i-1]:0;
}
return result;
}
};
- AC
- 12ms
beat 19.89%
两个要点
1.k值可能很大,所以要判断是否大于最大可交易次数,大于相当于Best Time to Buy and Sell Stock I
2.通过tmp和pre获得到j-1天买i-1次卖i-2次的最大收益;类比的是Best Time to Buy and Sell Stock III的最佳解法
f[j] = max(f[j-1], prices[j]+tmp);
tmp = max(tmp, pre[j-1]-prices[j]);
discuss
public:
int maxProfit(int k, vector<int> &prices) {
int len = prices.size();
if (len<2) return 0;
if (k>len/2){ // simple case
int ans = 0;
for (int i=1; i<len; ++i){
ans += max(prices[i] - prices[i-1],0);
}
return ans;
}
int hold[k+1];
int rele[k+1];
for (int i=0;i<=k;++i){
hold[i] = INT_MIN;
rele[i] = 0;
}
int cur;
for (int i=0; i<len; ++i){
cur = prices[i];
for(int j=k; j>0; --j){
rele[j] = max(rele[j],hold[j] + cur);
hold[j] = max(hold[j],rele[j-1] - cur);
}
}
return rele[k];
}
};
- 相当于Best Time to Buy and Sell Stock III的最佳解法的k次版本
都是相当于讲二维o(kn)的DP压缩成一维的DP
本文深入探讨了使用动态规划解决股票交易问题的策略,特别关注于优化最大利润的计算方法。通过引入关键变量和算法优化,文章详细解释了如何处理大量交易机会与限制条件,实现高效计算。重点分析了两种策略,即考虑有限交易次数的情况和不考虑限制的情况,以及它们之间的转换逻辑。此外,文章还对比了与经典问题如“最佳买卖股票时机”之间的联系和区别,提供了实际应用的代码示例。
763

被折叠的 条评论
为什么被折叠?



