【算法专题】动态规划之简单多状态 dp 问题

动态规划3.0

  • 动态规划 - - - 简单多状态 dp 问题
    • 1. 按摩师(打家劫舍Ⅰ的变形)
    • 2. 打家劫舍Ⅱ
    • 3. 删除并获得点数
    • 4. 粉刷房子
    • 5. 买卖股票的最佳时机含冷冻期
    • 6. 买卖股票的最佳时机含手续费
    • 7. 买卖股票的最佳时机Ⅲ
    • 8. 买卖股票的最佳时机Ⅳ

动态规划 - - - 简单多状态 dp 问题

1. 按摩师(打家劫舍Ⅰ的变形)

题目链接 -> Leetcode -面试题 17.16.按摩师

Leetcode -面试题 17.16.按摩师

题目:一个有名的按摩师会收到源源不断的预约请求,每个预约都可以选择接或不接。
在每次预约服务之间要有休息时间,因此她不能接受相邻的预约。给定一个预约请求序列,替按摩师找到最优的预约集合(总预约时间最长),返回总的分钟数。

注意:本题相对原题稍作改动

示例 1:
输入:[1, 2, 3, 1]
输出: 4
解释: 选择 1 号预约和 3 号预约,总时长 = 1 + 3 = 4。

示例 2:
输入:[2, 7, 9, 3, 1]
输出: 12
解释: 选择 1 号预约、 3 号预约和 5 号预约,总时长 = 2 + 9 + 1 = 12。

示例 3:
输入:[2, 1, 4, 5, 3, 1, 1, 3]
输出: 12
解释: 选择 1 号预约、 3 号预约、 5 号预约和 8 号预约,总时长 = 2 + 4 + 3 + 3 = 12。

思路:

  1. 状态表示:假设我们以以前的经验用 dp[i] 表示:选择到 i 位置时,此时的最长预约时长;但是我们这个题在 i 位置的时候,会面临「选择」或者「不选择」两种抉择,所依赖的状态需要细分:
  • f[i] 表示:选择到 i 位置时, nums[i] 必选,此时的最长预约时长;
  • g[i] 表示:选择到 i 位置时, nums[i] 不选,此时的最长预约时长;
  1. 状态转移方程:因为状态表示定义了两个,因此我们的状态转移方程也要分析两个:
  • 对于 f[i] :如果 nums[i] 必选,那么我们仅需知道 i - 1 位置在不选的情况下的最长预约时长,然后加上 nums[i] 即可,因此 f[i] = g[i - 1] + nums[i] ;
  • 对于 g[i] :如果 nums[i] 不选,那么 i - 1 位置上选或者不选都可以。因此,我们需要知道 i - 1 位置上选或者不选两种情况下的最长时长,因此 g[i] = max(f[i - 1], g[i - 1]);
  1. 返回值:根据状态表示,应该返回 max(f[n - 1], g[n - 1]) ;

代码如下:

		class Solution {
		public:
		    int massage(vector& nums) 
		    {
		        int n = nums.size();
		        if(n == 0) return 0;
		
		        // f[i] 表示:选择到 i 位置时, nums[i] 必选,此时的最长预约时长
		        // g[i] 表示:选择到 i 位置时, nums[i] 不选,此时的最长预约时长
		        vector f(n), g(n);
		        f[0] = nums[0], g[0] = 0;
		
		        for(int i = 1; i < n; i++)
		        {
		            f[i] = g[i - 1] + nums[i];
		            g[i] = max(f[i - 1], g[i - 1]);
		        }
		
		        return max(f[n - 1], g[n - 1]);
		    }
		};

2. 打家劫舍Ⅱ

题目链接 -> Leetcode -213.打家劫舍Ⅱ

Leetcode -213.打家劫舍Ⅱ

题目:你是一个专业的小偷,计划偷窃沿街的房屋,每间房内都藏有一定的现金。
这个地方所有的房屋都 围成一圈 ,这意味着第一个房屋和最后一个房屋是紧挨着的。
同时,相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警 。

给定一个代表每个房屋存放金额的非负整数数组,计算你 在不触动警报装置的情况下 ,今晚能够偷窃到的最高金额。

示例 1:
输入:nums = [2, 3, 2]
输出:3
解释:你不能先偷窃 1 号房屋(金额 = 2),然后偷窃 3 号房屋(金额 = 2), 因为他们是相邻的。

示例 2:
输入:nums = [1, 2, 3, 1]
输出:4
解释:你可以先偷窃 1 号房屋(金额 = 1),然后偷窃 3 号房屋(金额 = 3)。
偷窃到的最高金额 = 1 + 3 = 4 。

示例 3:
输入:nums = [1, 2, 3]
输出:3

提示:

  • 1 <= nums.length <= 100
  • 0 <= nums[i] <= 1000

思路:这一个问题是「打家劫舍I」问题的变形。上一个问题是一个「单排」的模式,这一个问题是一个「环形」的模式,也就是首尾是相连的。但
是我们可以将「环形」问题转化为「两个单排」问题:

  1. 偷第一个房屋时的最大金额 x ,此时不能偷最后一个房子,因此就是偷 [0, n - 2] 区间的房子;
  2. 不偷第一个房屋时的最大金额 y ,此时可以偷最后一个房子,因此就是偷 [1, n - 1] 区间的房子;

两种情况下的「最大值」,就是最终的结果。因此,问题就转化成求「两次单排结果的最大值」

代码如下:

		class Solution {
		public:
		
		    int rob1(vector& nums)
		    {
		        int n = nums.size();
		        vector f(n), g(n);
		        f[0] = nums[0], g[0] = 0;
		
		        for(int i = 1; i < n; i++)
		        {
		            g[i] = max(g[i - 1], f[i - 1]);
		            f[i] = g[i - 1] + nums[i];
		        }
		
		        return max(g[n - 1], f[n - 1]);
		    }
		
		    int rob(vector& nums) 
		    {
		        if(nums.size() == 1) return nums[0];
		        
		        // 去除最后一个元素,做一次打家劫舍Ⅰ
		        vector arr1(nums.begin() + 1, nums.end());
		
		        // 去除第一个元素,做一次打家劫舍Ⅰ
		        vector arr2(nums.begin(), nums.end() - 1);
		
		        // 取这两个的最大值即可
		        return max(rob1(arr1), rob1(arr2));
		    }
		};

3. 删除并获得点数

题目链接 -> Leetcode -740.删除并获得点数

Leetcode -740.删除并获得点数

题目:给你一个整数数组 nums ,你可以对它进行一些操作。
每次操作中,选择任意一个 nums[i] ,删除它并获得 nums[i] 的点数。之后,你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。
开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。

示例 1:
输入:nums = [3, 4, 2]
输出:6
解释:
删除 4 获得 4 个点数,因此 3 也被删除。
之后,删除 2 获得 2 个点数。总共获得 6 个点数。

示例 2:
输入:nums = [2, 2, 3, 3, 3, 4]
输出:9
解释:
删除 3 获得 3 个点数,接着要删除两个 2 和 4 。
之后,再次删除 3 获得 3 个点数,再次删除 3 获得 3 个点数。
总共获得 9 个点数。

提示:

  • 1 <= nums.length <= 2 * 10^4
  • 1 <= nums[i] <= 10^4

思路:其实这道题依旧是「打家劫舍Ⅰ」问题的变型。我们注意到题目描述,选择 x 数字的时候, x - 1 与 x + 1 是不能被选择的,像「打家劫舍」问题中,选择 i 位置的金额之后,就不能选择 i - 1 位置以及 i + 1 位置的金额。

因此,我们可以创建一个大小为 10001 (根据题目的数据范围)的 hash 数组,将 nums 数组中每一个元素 x ,累加到 hash 数组下标为 x 的位置处,然后在 hash 数组上来一次「打家劫舍」即可。

代码如下:

		class Solution {
		public:
		    int deleteAndEarn(vector& nums) 
		    {
		        const int N = 10001;
		
		        int hash[N] = {0};
		        for(const auto& e : nums) hash[e] += e;
		
		        vector f(N), g(N);
		 
		        for(int i = 1; i < N; i++)
		        {
		            f[i] = g[i - 1] + hash[i];
		            g[i] = max(g[i - 1], f[i - 1]);
		        }
		
		        return max(f[N - 1], g[N - 1]);
		    }
		};

4. 粉刷房子

题目链接 -> Leetcode -LCR 091.粉刷房子

Leetcode -LCR 091.粉刷房子

题目:假如有一排房子,共 n 个,每个房子可以被粉刷成红色、蓝色或者绿色这三种颜色中的一种,你需要粉刷所有的房子并且使其相邻的两个房子颜色不能相同。
当然,因为市场上不同颜色油漆的价格不同,所以房子粉刷成不同颜色的花费成本也是不同的。每个房子粉刷成不同颜色的花费是以一个 n x 3 的正整数矩阵 costs 来表示的。
例如,costs[0][0] 表示第 0 号房子粉刷成红色的成本花费;costs[1][2] 表示第 1 号房子粉刷成绿色的花费,以此类推。
请计算出粉刷完所有房子最少的花费成本。

示例 1:
输入 : costs = [[17, 2, 17], [16, 16, 5], [14, 3, 19]]
输出 : 10
解释 : 将 0 号房子粉刷成蓝色,1 号房子粉刷成绿色,2 号房子粉刷成蓝色。
最少花费 : 2 + 5 + 3 = 10。

示例 2:
输入 : costs = [[7, 6, 2]]
输出 : 2

提示 :

  • costs.length == n
  • costs[i].length == 3
  • 1 <= n <= 100
  • 1 <= costs[i][j] <= 20

思路:

  1. 状态表示:我们这个题在 i 位置的时候,会面临「红」「蓝」「绿」三种抉择,所依赖的状态需要细分:
  • dp[i][0] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上「红色」,此时的最小花费;
  • dp[i][1] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上「蓝色」,此时的最小花费;
  • dp[i][2] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上「绿色」,此时的最小花费
  1. 状态转移方程:因为状态表示定义了三个,因此我们的状态转移方程也要分析三个:
  • 对于 dp[i][0] :如果第 i 个位置粉刷上「红色」,那么 i - 1 位置上可以是「蓝色」或者「绿色」。因此我们需要知道粉刷到 i - 1 位置上的时候,粉刷上「蓝色」或者「绿色」的最小花费,然后加上 i 位置的花费即可。于是状态转移方程为: dp[i][0] = min(dp[i - 1][1], dp[i - 1][2]) + costs[i - 1][0] ;

同理,我们可以推导出另外两个状态转移方程为:

  • dp[i][1] = min(dp[i - 1][0], dp[i - 1][2]) + costs[i - 1][1] ;
  • dp[i][2] = min(dp[i - 1][0], dp[i - 1][1]) + costs[i - 1][2]
  1. 返回值:根据「状态表示」,应该返回最后一个位置粉刷上三种颜色情况下的最小值,因此需要返回:min(dp[n][0], min(dp[n][1], dp[n][2]))

代码如下:

		class Solution {
		public:
		    int minCost(vector>& costs) 
		    {
		        int n = costs.size();
		
		        // f[i] 表示这一次选红色 
		        // g[i] 表示这一次选蓝色
		        // h[i] 表示这一次选绿色
		        vector f(n), g(n), h(n);
		        f[0] = costs[0][0], g[0] = costs[0][1], h[0] = costs[0][2];
		
		        for(int i = 1; i < n; i++)
		        {
		            f[i] = min(g[i - 1], h[i - 1]) + costs[i][0];
		            g[i] = min(f[i - 1], h[i - 1]) + costs[i][1];
		            h[i] = min(f[i - 1], g[i - 1]) + costs[i][2];
		        }
		
		        return min(min(f[n - 1], g[n - 1]), h[n - 1]); 
		    }
		};

5. 买卖股票的最佳时机含冷冻期

题目链接 -> Leetcode -309.买卖股票的最佳时机含冷冻期

Leetcode -309.买卖股票的最佳时机含冷冻期

题目: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

提示:

  • 1 <= prices.length <= 5000
  • 0 <= prices[i] <= 1000

思路:

  1. 状态表示:由于有「买入」「可交易」「冷冻期」三个状态,因此我们可以选择用三个数组,其中:
  • dp[i][0] 表示:第 i 天结束后,处于「买入」状态,此时的最大利润;
  • dp[i][1] 表示:第 i 天结束后,处于「可交易」状态,此时的最大利润;
  • dp[i][2] 表示:第 i 天结束后,处于「冷冻期」状态,此时的最大利润
  1. 状态转移方程:我们要谨记规则:
    i. 处于「买入」状态的时候,我们现在有股票,此时不能买股票,只能继续持有股票,或者卖出股票;
    ii. 处于「卖出」状态的时候:如果「在冷冻期」,不能买入;如果「不在冷冻期」,才能买入;
  • 对于 dp[i][0] ,我们有「两种情况」能到达这个状态:
    i. 在 i - 1 天持有股票,此时最大收益应该和 i - 1 天的保持一致: dp[i - 1][0] ;
    ii. 在 i 天买入股票,那我们应该选择 i - 1 天不在冷冻期的时候买入,由于买入需要花钱,所以此时最大收益为: dp[i - 1][1] - prices[i];

两种情况应取最大值,因此: dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]) 。

  • 对于 dp[i][1] ,我们有「两种情况」能到达这个状态:
    i. 在 i - 1 天的时候,已经处于冷冻期,然后啥也不干到第 i 天,此时对应的状态为:dp[i - 1][2] ;
    ii. 在 i - 1 天的时候,手上没有股票,也不在冷冻期,但是依旧啥也不干到第 i 天,此时对应的状态为 dp[i - 1][1] ;

两种情况应取最大值,因此: dp[i][1] = max(dp[i - 1][1], dp[i - 1][2]);

  • 对于 dp[1][i] ,我们只有「一种情况」能到达这个状态:
    i. 在 i - 1 天的时候,卖出股票。

因此对应的状态转移为: dp[i][2] = dp[i - 1][0] + prices[i]

  1. 初始化:三种状态都会用到前一个位置的值,因此需要初始化每一行的第一个位置:
  • dp[0][0] :此时要想处于「买入」状态,必须把第一天的股票买了,因此 dp[0][0] = -prices[0] ;
  • dp[0][1] :啥也不用干即可,因此 dp[0][1] = 0 ;
  • dp[0][2] :手上没有股票,买一下卖一下就处于冷冻期,此时收益为 0 ,因此 dp[0][2] = 0;
  1. 返回值:应该返回「卖出状态」下的最大值,因此应该返回 max(dp[n - 1][1], dp[n - 1][2]) ;

代码如下:

		class Solution {
		public:
		    int maxProfit(vector& prices) 
		    {
		        int n = prices.size();
		        
		        // dp[i][0] 表示第 i 天处于买入状态
		        // dp[i][1] 表示第 i 天处于卖出状态
		        // dp[i][2] 表示第 i 天处于冷冻期
		        vector> dp(n, vector(3));
		        dp[0][0] = -prices[0];
		
		        for(int i = 1; i < n; i++)
		        {
		            dp[i][0] = max(dp[i - 1][1] - prices[i], dp[i - 1][0]);
		            dp[i][1] = max(dp[i - 1][2], dp[i - 1][1]);
		            dp[i][2] = dp[i - 1][0] + prices[i];
		        }
		
		        return max(dp[n - 1][1], dp[n - 1][2]);
		    }
		};

6. 买卖股票的最佳时机含手续费

题目链接 -> Leetcode -714.买卖股票的最佳时机含手续费

Leetcode -714.买卖股票的最佳时机含手续费

题目:给定一个整数数组 prices,其中 prices[i]表示第 i 天的股票价格 ;整数 fee 代表了交易股票的手续费用。

你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。

返回获得利润的最大值。

注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。

示例 1:
输入:prices = [1, 3, 2, 8, 4, 9], fee = 2
输出:8
解释:能够达到的最大利润 :
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润 : ((8 - 1) - 2) + ((9 - 4) - 2) = 8

示例 2:
输入:prices = [1, 3, 7, 5, 10, 3], fee = 3
输出:6

提示:

  • 1 <= prices.length <= 5 * 10^4
  • 1 <= prices[i] < 5 * 10^4
  • 0 <= fee < 5 * 10^4

思路:

  1. 状态表示:由于有「买入」「可交易」两个状态,因此我们可以选择用两个数组,其中:
  • f[i] 表示:第 i 天结束后,处于「买入」状态,此时的最大利润;
  • g[i] 表示:第 i 天结束后,处于「卖出」状态,此时的最大利润;
  1. 状态转移方程:我们选择在「卖出」的时候,⽀付这个手续费,那么在「买入」的时候,就不用再考虑手续费的问题。
  • 对于 f[i] ,我们有两种情况能到达这个状态:
    i. 在 i - 1 天「持有」股票,第 i 天啥也不干;此时最大收益为 f[i - 1] ;
    ii. 在 i - 1 天的时候「没有」股票,在第 i 天买入股票;此时最大收益为 g[i - 1] - prices[i]) ;

两种情况下应该取最大值,因此 f[i] = max(f[i - 1], g[i - 1] - prices[i]) ;

  • 对于 g[i] ,我们也有两种情况能够到达这个状态:
    i. 在 i - 1 天「持有」股票,但是在第 i 天将股票卖出;此时最大收益为: f[i - 1] + prices[i] - fee) ,记得手续费;
    ii. 在 i - 1 天「没有」股票,然后第 i 天啥也不干;此时最大收益为: g[i - 1] ;

两种情况下应该取最大值,因此 g[i] = max(g[i - 1], f[i - 1] + prices[i] - fee);

  1. 初始化:由于需要用到前面的状态,因此需要初始化第一个位置。
  • 对于 f[0] ,此时处于「买入」状态,因此 f[0] = -prices[0] ;
  • 对于 g[0] ,此时处于「没有股票」状态,啥也不干即可获得最大收益,因此 g[0] = 0
  1. 返回值:应该返回「卖出」状态下,最后一天的最大值收益: g[n - 1];

代码如下:

		class Solution 
		{
		public:
		    int maxProfit(vector& prices, int fee)
		    {
		        int n = prices.size();
		        vector> dp(n, vector(2));
		        dp[0][0] = -prices[0];
		
		        // dp[i][0] 表⽰:第 i 天结束后,处于「买⼊」状态,此时的最⼤利润
		        // dp[i][1] 表⽰:第 i 天结束后,处于「卖出」状态,此时的最⼤利润
		        for (int i = 1; i < n; i++)
		        {
		            dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
		            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i] - fee);
		        }
		
		        return dp[n - 1][1];
		    }
		};

7. 买卖股票的最佳时机Ⅲ

题目链接 -> Leetcode -123.买卖股票的最佳时机Ⅲ

Leetcode -123.买卖股票的最佳时机Ⅲ

题目: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)。

示例 1:
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 。

示例 2:
输入:prices = [1, 2, 3, 4, 5]
输出:4
解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。

示例 3:
输入:prices = [7, 6, 4, 3, 1]
输出:0
解释:在这个情况下, 没有交易完成, 所以最大利润为 0。

示例 4:
输入:prices = [1]
输出:0

提示:

  • 1 <= prices.length <= 10^5
  • 0 <= prices[i] <= 10^5

思路:

  1. 状态表示:由于有「买入」「可交易」两个状态,因此我们可以选择用两个数组。但是这道题里面还有交易次数的限制,因此我们还需要再加上一维,用来表示交易次数。其中:
  • f[i][j] 表示:第 i 天结束后,完成了 j 次交易,处于「买入」状态,此时的最大利润;
  • g[i][j] 表示:第 i 天结束后,完成了 j 次交易,处于「卖出」状态,此时的最大利润。
  1. 状态转移方程:
  • 对于 f[i][j] ,我们有两种情况到这个状态:
    i. 在 i - 1 天的时候,交易了 j 次,处于「买入」状态,第 i 天啥也不干即可。此时最大利润为: f[i - 1][j] ;
    ii. 在 i - 1 天的时候,交易了 j 次,处于「卖出」状态,第 i 天的时候把股票买了。此时的最大利润为: g[i - 1][j] - prices[i] ;

综上,我们要的是「最大利润」,因此是两者的最大值: f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]) ;

  • 对于 g[i][j] ,我们也有两种情况可以到达这个状态:
    i. 在 i - 1 天的时候,交易了 j 次,处于「卖出」状态,第 i 天啥也不干即可。此时的最大利润为: g[i - 1][j] ;
    ii. 在 i - 1 天的时候,交易了 j - 1 次,处于「买入」状态,第 i 天把股票卖了,然后就完成了 j 笔交易。此时的最大利润为: f[i - 1][j - 1] + prices[i] 。但是这个状态不⼀定存在,要先判断⼀下;

综上,我们要的是最大利润,因此状态转移方程为:
g[i][j] = g[i - 1][j];
if(j >= 1) g[i][j] = max(g[i][j], f[i - 1][j - 1] + prices[i]);

  1. 初始化:由于需要用到 i = 0 时的状态,因此我们初始化第一行即可。
  • 当处于第 0 天的时候,只能处于「买入过一次」的状态,此时的收益为 -prices[0] ,因此 f[0][0] = - prices[0] ;
  • 为了取 max 的时候,一些不存在的状态「起不到干扰」的作用,我们统统将它们初始化为 -INF (用 INT_MIN 在计算过程中会有「溢出」的风险,这里 INF 折半取 0x3f3f3f3f ,足够小即可)
  1. 返回值:返回处于「卖出状态」的最大值,但是我们也「不知道是交易了几次」,因此返回 g 表最后一行的最大值。

代码如下:

		class Solution {
		public:
		    int maxProfit(vector& prices)
		    {
		        const int INF = 0x3f3f3f3f; // 整型最大的一半,足够大
		        int n = prices.size();
		
		        // 为了防止不存在的状态影响 max 的取值,初始化为整型最大值的一半的负数,即足够小
		        vector> f(n, vector(3, -INF));
		        vector> g(n, vector(3, -INF));
		        f[0][0] = -prices[0], g[0][0] = 0;
		
		        // f[i][j] 表示:第 i 天结束后,完成了 j 次交易,处于「买⼊」状态,此时的最⼤利润;
		        // g[i][j] 表示:第 i 天结束后,完成了 j 次交易,处于「卖出」状态,此时的最⼤利润。
		        for (int i = 1; i < n; i++)
		        {
		            for (int j = 0; j < 3; j++)
		            {
		                f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);
		
		                if (j >= 1) g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i]);
		                else g[i][j] = g[i - 1][j];
		            }
		        }
		
		        int ret = 0;
		        for (int i = 0; i < 3; i++) ret = max(ret, g[n - 1][i]);
		        return ret;
		    }
		};

8. 买卖股票的最佳时机Ⅳ

题目链接 -> Leetcode -188.买卖股票的最佳时机Ⅳ

Leetcode -188.买卖股票的最佳时机Ⅳ

题目: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

思路:本题思路与上题思路类似,只是上题最多可以交易两次,本题是可以交易 k 次,所以在代码上稍作修改即可;

代码如下:

		class Solution {
		public:
		    int maxProfit(int k, vector& prices)
		    {
		        const int INF = 0x3f3f3f3f;
		        int n = prices.size();
		        vector> f(n, vector(k + 1, -INF)), g(n, vector(k + 1, -INF));
		        f[0][0] = -prices[0], g[0][0] = 0;
		
		        // f[i][j] 表示第 i 天结束后,进行了 j 次交易,此时处于买入状态,此时的最大利益
		        // g[i][j] 表示第 i 天结束后,进行了 j 次交易,此时处于卖出状态,此时的最大利益   
		        for (int i = 1; i < n; i++)
		        {
		            for (int j = 0; j < k + 1; j++)
		            {
		                f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);
		
		                if (j >= 1) g[i][j] = max(g[i - 1][j], f[i - 1][j - 1] + prices[i]);
		                else g[i][j] = g[i - 1][j];
		            }
		        }
		
		        int ret = 0;
		        for (int i = 0; i < k + 1; i++) ret = max(ret, g[n - 1][i]);
		        return ret;
		    }
		};

你可能感兴趣的:(算法专栏,算法,动态规划,c++,开发语言)