提示：努力生活，开心、快乐的一天
文章目录
- 123. 买卖股票的最佳时机 III
- 💡解题思路
- 🤔遇到的问题
- 💻代码实现
- 🎯题目总结
- 188. 买卖股票的最佳时机 IV
- 💡解题思路
- 🤔遇到的问题
- 💻代码实现
- 🎯题目总结
- 🎈今日心得
123. 买卖股票的最佳时机 III
题目链接：123. 买卖股票的最佳时机 III
💡解题思路
- 动规五部曲：
- 确定dp数组以及下标的含义：一天一共就有五个状态，
0: 没有操作 （其实我们也可以不设置这个状态）
1: 第一次持有股票
2: 第一次不持有股票
3: 第二次持有股票
4: 第二次不持有股票
dp[i][j]中 i表示第i天，j为 [0 - 4] 五个状态，dp[i][j]表示第i天状态j所剩最大现金。dp[i][1]，表示的是第i天，买入股票的状态，并不是说一定要第i天买入股票 - 确定递推公式：
达到dp[i][1]状态，有两个具体操作
1、 操作一：第i天买入股票了，那么dp[i][1] = dp[i-1][0] - prices[i]
2、 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1])
同理dp[i][2]也有两个操作：
1、操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
2、操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可推出剩下状态部分：
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]); - dp数组如何初始化：
第0天没有操作，dp[0][0] = 0；
第0天做第一次买入的操作，dp[0][1] = -prices[0];
第0天做第一次卖出的操作，dp[0][2] = 0；
第0天第二次买入操作，dp[0][3] = -prices[0];
第0天第二次卖出初始化dp[0][4] = 0; - 确定遍历顺序：从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。
- 举例推导dp数组：按照递推公式推导一下做推导，如果发现结果不对，就把dp数组打印出来
🤔遇到的问题
- 很难，每一步都要一步一步梳理
💻代码实现
动态规划
var maxProfit = function (prices) {
//0:没有操作 （其实我们也可以不设置这个状态）
//1:第一次持有股票
//2:第一次不持有股票
//3:第二次持有股票
//4:第二次不持有股票
let len = prices.length
const dp = new Array(len).fill(0).map(x => new Array(5).fill(0));
dp[0][1] = -prices[0]
dp[0][3] = -prices[0]
for (let i = 1; i < len; i++) {
dp[i][0] = dp[i - 1][0];
dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i])
dp[i][2] = Math.max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
dp[i][3] = Math.max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = Math.max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
}
return dp[len - 1][4]
};
🎯题目总结
达到dp[i][1]状态，有两个具体操作
1、 操作一：第i天买入股票了，那么dp[i][1] = dp[i-1][0] - prices[i]
2、 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1])
同理dp[i][2]也有两个操作：
1、操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
2、操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
同理可推出剩下状态部分：
dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
188. 买卖股票的最佳时机 IV
题目链接：188. 买卖股票的最佳时机 IV
💡解题思路
- 动规五部曲：
- 确定dp数组以及下标的含义：二维数组 dp[i][j] ：第i天的状态为j，所剩下的最大现金是dp[i][j]
0: 没有操作 （其实我们也可以不设置这个状态）
1: 第一次持有股票
2: 第一次不持有股票
3: 第二次持有股票
4: 第二次不持有股票
。。。
规律：除了0以外，偶数就是卖出，奇数就是买入 - 确定递推公式：
达到dp[i][1]状态，有两个具体操作
1、 操作一：第i天买入股票了，那么dp[i][1] = dp[i-1][0] - prices[i]
2、 操作二：第i天没有操作，而是沿用前一天买入的状态，即：dp[i][1] = dp[i - 1][1]
dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1])
同理dp[i][2]也有两个操作：
1、操作一：第i天卖出股票了，那么dp[i][2] = dp[i - 1][1] + prices[i]
2、操作二：第i天没有操作，沿用前一天卖出股票的状态，即：dp[i][2] = dp[i - 1][2]
dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])
for (let j = 0; j < 2 * k - 1; j += 2) {
dp[i][j + 1] = max(dp[i - 1][j + 1], dp[i - 1][j] - prices[i]);
dp[i][j + 2] = max(dp[i - 1][j + 2], dp[i - 1][j + 1] + prices[i]);
}
- dp数组如何初始化：
第0天没有操作，dp[0][0] = 0；
第0天做第一次买入的操作，dp[0][1] = -prices[0];
第0天做第一次卖出的操作，dp[0][2] = 0；
第0天第二次买入操作，dp[0][3] = -prices[0];
第0天第二次卖出初始化dp[0][4] = 0;
同理可以推出dp[0][j]当j为奇数的时候都初始化为 -prices[0]
for (let j = 1; j < 2 * k; j += 2) {
dp[0][j] = -prices[0];
}
- 确定遍历顺序：从递推公式可以看出dp[i]都是由dp[i - 1]推导出来的，那么一定是从前向后遍历。
- 举例推导dp数组：按照递推公式推导一下做推导，如果发现结果不对，就把dp数组打印出来
最后一次卖出，一定是利润最大的，dp[prices.size() - 1][2 * k]即红色部分就是最后求解。
🤔遇到的问题
- 买卖次数非定值的时候，最大价值的规律也是有迹可循的
💻代码实现
动态规划
const maxProfit = (k,prices) => {
if (prices == null || prices.length < 2 || k == 0) {
return 0;
}
let dp = Array.from(Array(prices.length), () => Array(2*k+1).fill(0));
for (let j = 1; j < 2 * k; j += 2) {
dp[0][j] = 0 - prices[0];
}
for(let i = 1; i < prices.length; i++) {
for (let j = 0; j < 2 * k; j += 2) {
dp[i][j+1] = Math.max(dp[i-1][j+1], dp[i-1][j] - prices[i]);
dp[i][j+2] = Math.max(dp[i-1][j+2], dp[i-1][j+1] + prices[i]);
}
}
return dp[prices.length - 1][2 * k];
};
🎯题目总结
买卖次数非定值的时候，最大价值的规律也是有迹可循的
🎈今日心得
很难，似懂非懂，半知半解的状态
