Say you have an array for which the ith element is the price of a given stock on day i.
Design an algorithm to find the maximum profit. You may complete at most k transactions.
Note:
You may not engage in multiple transactions at the same time (ie, you must sell the stock before you buy again).
解题思路
采用动态规划来解决问题。
我们需要维护如下两个量:
global[i][j]
:当前到达第i
天最多可以进行j
次交易,所得到的最大利润。
local[i][j]
:当前到达第i
天最多可以进行j
次交易,而且最后一次交易在当天卖出,所得到的最大利润。
状态转移方程:
global[i][j] = max(local[i][j], global[i-1][j])
上述方程比较两个量的大小:①当前局部最大值;②过往全局最大值。
local[i][j] = max(global[i-1][j-1] + max(diff, 0), local[i-1][j] + diff)
上述方程比较两个量的大小:
①全局到i-1
天进行j-1
次交易,然后加上今天的交易(如果今天的交易赚钱的话)。
②取局部第i-1
天进行j
次交易,然后加上今天的差值(local[i-1][j]
是第i-1
天卖出的交易,它加上diff
后变成第i
天卖出,并不会增加交易次数。无论diff
是正还是负都要加上,否则就不满足local[i][j]
必须在最后一天卖出的条件了)
另外需要注意的一个问题是,当k远大于数组的大小时,上述算法将变得低效。因此将其改用不限交易次数的方式解决。
实现代码
/*****************************************************************
* @Author : 楚兴
* @Date : 2015/2/22 23:42
* @Status : Accepted
* @Runtime : 15 ms
******************************************************************/
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
class Solution {
public:
int maxProfit(int k, vector<int> &prices) {
int len = prices.size();
if (len == 0)
{
return 0;
}
if (k >= len)
{
return helper(prices);
}
vector<int> max_local(k + 1, 0);
vector<int> max_global(k + 1, 0);
int diff;
for (int i = 0; i < len - 1; i++)
{
diff = prices[i + 1] - prices[i];
for (int j = k; j >= 1; j--)
{
max_local[j] = max(max_global[j - 1] + max(diff, 0), max_local[j] + diff);
max_global[j] = max(max_local[j], max_global[j]);
}
}
return max_global[k];
}
int helper(vector<int> &prices)
{
int profit = 0;
for (int i = 0; i < prices.size() - 1; i++)
{
profit = max(profit, profit + prices[i + 1] - prices[i]);
}
return profit;
}
};