购买股票的最佳时机III
题目描述:
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。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 两笔交易)。
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)。
- 输入:prices = [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,这笔交易所能获得利润 = 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,这笔交易所能获得利润 = 4-1 = 3
解题思路
- 问题定义:
- 我们需要在给定的股票价格数组中计算在最多 k 次交易下能获得的最大利润。
- 交易的定义是一次买入和一次卖出。
- 特殊情况处理:
- 如果价格数组为空或交易次数为零,最大利润为零。
- 简化情况:
- 如果允许的交易次数 k 大于等于 n/2(即可以进行无限次交易),则可以通过计算所有价格的上升段来获取最大利润。
- 动态规划:
- 创建一个二维数组 profit,其中 profit[i][j] 表示在前 j 天内进行最多 i 次交易的最大利润。
- 初始化 profit 数组的第一列为零,因为在没有交易的情况下利润为零。
- 填充利润矩阵:
- 对于每个交易次数 i(从1到k),遍历每一天 j(从1到n),计算:
- 当前利润为 profit[i][j-1](不进行交易)和 prices[j] + maxDiff(进行交易)中的较大值。
- maxDiff 记录的是前一天的利润减去当前价格的最大值,以便在后续计算中使用。
- 对于每个交易次数 i(从1到k),遍历每一天 j(从1到n),计算:
- 打印利润矩阵:
- 在填充完成后,打印出利润矩阵,以便观察每一步的计算结果。
- 最终结果:
- 输出 profit[k][n-1],即在前 n 天内进行最多 k 次交易的最大利润。
状态转移方程
- 状态定义
- profit[i][j] 表示在前 j 天内,最多进行 i 次交易所获得的最大利润。
- 基本情况:
- 如果没有交易次数(i = 0),则无论天数 j,最大利润都是 0:
profit[0][j]=0∀j - 如果没有天数(j = 0),则无论交易次数 i,最大利润也是 0:
profit[i][0]=0∀i
- 如果没有交易次数(i = 0),则无论天数 j,最大利润都是 0:
- 状态转移:
对于每个交易次数 i 和每一天 j,我们有两种选择:- 不进行交易:在第 j 天的最大利润与前一天相同:
profit[i][j]=profit[i][j−1] - 进行交易:在第 j 天卖出股票,之前的利润加上当前价格与之前最大差值的和:
profit[i][j]=prices[j]+maxDiff 其中,maxDiff 是在前 j 天内,考虑到之前的交易所能获得的最大利润减去当前价格。
- 不进行交易:在第 j 天的最大利润与前一天相同:
- 更新 maxDiff:
在每一天 j,我们需要更新 maxDiff:
maxDiff=max(maxDiff,profit[i−1][j]−prices[j])
这表示在进行第 i 次交易时,考虑到之前的利润减去当前价格,找到最大差值。
- 总结
最终,最大利润可以通过访问利润矩阵的最后一个元素得到:
最大利润=profit[k][n−1]
这表明在前 n 天内,最多进行 k 次交易所获得的最大利润。 - 输出
代码中还打印了利润矩阵 profit,便于观察不同交易次数和天数下的利润变化。
Java代码实现
以下是实现上述思路的 Java 代码:
public class MaxProfit {public static void main(String[] args) {int[] prices = {1, 2, 3, 4, 5}; // 股票价格int k = 2; // 最大交易次数int n = prices.length;// 特殊情况处理if (n == 0 || k == 0) {System.out.println("最大利润为: 0");return;}// 如果交易次数大于等于 n/2,直接计算最大利润if (k >= n / 2) {int maxProfit = 0;for (int i = 1; i < n; i++) {if (prices[i] > prices[i - 1]) {maxProfit += prices[i] - prices[i - 1];}}System.out.println("最大利润为: " + maxProfit);return;}// 创建利润矩阵int[][] profit = new int[k + 1][n];// 填充利润矩阵for (int i = 1; i <= k; i++) { // 交易次数int maxDiff = -prices[0]; // 初始化最大差值for (int j = 1; j < n; j++) { // 天数// 更新当前利润profit[i][j] = Math.max(profit[i][j - 1], prices[j] + maxDiff);// 更新最大差值maxDiff = Math.max(maxDiff, profit[i - 1][j] - prices[j]);}}// 打印利润矩阵System.out.println("利润矩阵:");for (int i = 0; i <= k; i++) {for (int j = 0; j < n; j++) {System.out.print(profit[i][j] + "\t");}System.out.println();}// 最终结果System.out.println("最大利润为: " + profit[k][n - 1]);}
}
示例
示例 1
输入: prices = [3, 3, 5, 0, 0, 3, 1, 4]
动态规划矩阵:
0 1 2 3 4 5 6 7---------------------------------
k=0 | 0 0 0 0 0 0 0 0
k=1 | 0 0 2 2 3 3 3 3
k=2 | 0 0 2 2 3 3 6 6
输出: 6
示例 2
输入: prices = [1, 2, 3, 4, 5]
动态规划矩阵:
0 1 2 3 4 -----------------------
k=0 | 0 0 0 0 0
k=1 | 0 1 2 3 4
k=2 | 0 1 2 3 4
输出: 4
示例 3
输入: prices = [7, 6, 4, 3, 1]
动态规划矩阵:
0 1 2 3 4-----------------------
k=0 | 0 0 0 0 0
k=1 | 0 0 0 0 0
k=2 | 0 0 0 0 0
输出: 0
示例 4
输入: prices = [1, 4, 2, 5, 3, 6]
动态规划矩阵:
0 1 2 3 4 5-------------------------
k=0 | 0 0 0 0 0 0
k=1 | 0 0 3 3 4 5
k=2 | 0 0 3 4 4 7
输出: 7
示例 5
输入: prices = [3, 2, 6, 5, 0, 3]
动态规划矩阵:
0 1 2 3 4 5-------------------------
k=0 | 0 0 0 0 0 0
k=1 | 0 0 4 4 4 4
k=2 | 0 0 4 6 6 7
输出: 7
每个动态规划矩阵的行表示交易次数(k),列表示天数(d),矩阵中的值表示在该天结束时的最大利润。通过这些矩阵,我们可以清楚地看到在不同的价格数组中,如何通过最多两笔交易获得最大利润。
利润矩阵填充过程
利润矩阵的结构
我们定义一个二维数组 profit,其大小为 (k+1) x n,其中:
- k 是允许的最大交易次数。
- n 是价格数组的长度。
- profit[i][j] 表示在前 j 天内进行最多 i 次交易的最大利润。
矩阵初始化
- 第一行和第一列:
- profit[0][j](第0行)始终为0,因为没有交易时利润为0。
- profit[i][0](第0列)也为0,因为在没有天数的情况下无法进行交易。
填充利润矩阵的步骤
我们将通过动态规划的方法填充利润矩阵。具体步骤如下:
- 外层循环(交易次数):
- 从 i = 1 到 k,表示当前允许的交易次数。
- 内层循环(天数):
- 从 j = 1 到 n-1,表示当前的天数。
- 计算当前利润:
- 对于每个 profit[i][j],我们需要考虑两种情况:
- 不进行交易:即保持前一天的利润 profit[i][j-1]。
- 进行交易:即在第 j 天卖出,之前的最佳状态是 prices[j] + maxDiff,其中 maxDiff 是在前 j-1 天内的最大利润减去当前价格 prices[j]。
- 对于每个 profit[i][j],我们需要考虑两种情况:
- 更新 maxDiff:
- maxDiff 是一个辅助变量,用于记录前一天的利润减去当前价格的最大值。
- 在每次内层循环中更新 maxDiff 的值,以便后续计算使用。
详细示例
假设价格数组为 {1, 2, 3, 4, 5},最大交易次数 k = 2。
- 初始化:
profit = [[0, 0, 0, 0, 0], // 0次交易[0, 0, 0, 0, 0], // 1次交易[0, 0, 0, 0, 0] // 2次交易
]
- 填充过程:
- i = 1(1次交易):
- j = 1:maxDiff = -1 (initially)
- profit[1][1] = max(0, 2 - 1) = 1
- 更新 maxDiff = max(-1, 0 - 2) = -1
- j = 2:
- profit[1][2] = max(1, 3 - 1) = 2
- 更新 maxDiff = max(-1, 1 - 3) = -1
- j = 3:
- profit[1][3] = max(2, 4 - 1) = 3
- 更新 maxDiff = max(-1, 2 - 4) = -1
- j = 4:
- profit[1][4] = max(3, 5 - 1) = 4
- 更新 maxDiff = max(-1, 3 - 5) = -1
- j = 1:maxDiff = -1 (initially)
最终,profit 矩阵更新为:
profit = [[0, 0, 0, 0, 0],[0, 1, 2, 3, 4],[0, 0, 0, 0, 0]
]
- i = 2(2次交易):
- j = 1:maxDiff = -1
- profit[2][1] = max(0, 2 - 1) = 1
- 更新 maxDiff = max(-1, 0 - 2) = -1
- j = 2:
- profit[2][2] = max(1, 3 - 1) = 2
- 更新 maxDiff = max(-1, 1 - 3) = -1
- j = 3:
- profit[2][3] = max(2, 4 - 1) = 3
- 更新 maxDiff = max(-1, 2 - 4) = -1
- j = 4:
- profit[2][4] = max(3, 5 - 1) = 4
- 更新 maxDiff = max(-1, 3 - 5) = -1
- j = 1:maxDiff = -1
最终,profit 矩阵更新为:
profit = [[0, 0, 0, 0, 0],[0, 1, 2, 3, 4],[0, 1, 2, 3, 4]
]
- 总结
- 通过上述步骤,我们填充了利润矩阵,最终得到了在最多进行 k 次交易的情况下,前 n 天的最大利润。
- 最终的结果 profit[k][n-1] 即为所求的最大利润。对于这个例子,最大利润为 4。