lintcode393买卖股票的最佳时机IV

原创已于 2022-04-06 21:48:15 修改 · 420 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#动态规划

于 2022-03-26 14:55:18 首次发布

刷题专栏收录该内容

34 篇文章

订阅专栏

本文介绍了一种基于动态规划的方法来解决给定股票价格和交易次数限制下的最大利润问题。当交易次数达到一定阈值时，算法简化为寻找连续上升的价格区间以累积利润。

描述

给定n天的股票值和允许的最大交易次数k，问最大利润。
已经买了一只股必须要卖出去才能买下一支股。

思路

dp。
当k>=n//2时，达到n天交易次数的饱和，这时，只要一有利润就会有收入。具体在实现上，相邻两天如果是股票值上升的，就记入利润。
其余情况，用dp。首先考虑状态，本题有两个，第几天和第几次交易。
$d p [i] [j]$ 代表前 $i$ 天最多 $j$ 次交易完成后的最大利润。
状态转移方程：
$d p [i] [j] = m a x (d p [i - 1] [j], d p [m] [j - 1] + p [i] - p [m]), m = 0, . . . ., i - 1$
$m$ 代表最多 $j - 1$ 次交易买入的时间是第 $m$ 天。
于是有了下面的代码：

from typing import (
    List,
)

class Solution:
    """
    @param K: An integer
    @param prices: An integer array
    @return: Maximum profit
    """
    def maxProfit(self, K, prices):
        k = K
        n = len(prices)
        if k==0 or n==0:
            return 0
        if k >= n//2:
            res = 0
            for i in range(1, n):
                if prices[i]-prices[i-1]>0:
                    res += prices[i]-prices[i-1]
            return res
        else:
            dp = [[0]*(k+3) for i in range(n+3)]
        
            for i in range(1, n):
                for j in range(1, k+1):
                    diff = max([dp[k][j-1]-prices[k] for k in range(i)])
                    dp[i][j] = max(diff+prices[i], dp[i-1][j])
                    
            return dp[n-1][k]

这个代码运行超时，因为时间复杂度O(nnk)，主要是求diff用了O(n)。可以优化一下。
diff实际上是 $d p [m] [j - 1] - p [m] ， m = 0, . . . i - 1$ ，j-1是不动的，m是动的，可以把j-1代表的循环放外层，m
代表的循环放内层，每次循环的时候记录一下，就不需要额外的O(n)。具体是， $d p [i] [j]$ 的i和j的含义换一下，i代表最多i次交易，j代表前j天。于是有：

from typing import (
    List,
)

class Solution:
    """
    @param K: An integer
    @param prices: An integer array
    @return: Maximum profit
    """
    def maxProfit(self, K, prices):
        k = K
        n = len(prices)
        if k==0 or n==0:
            return 0
        if k >= n//2:
            res = 0
            for i in range(1, n):
                if prices[i]-prices[i-1]>0:
                    res += prices[i]-prices[i-1]
            return res
        else:
            dp = [[0]*(n+3) for i in range(k+3)]
        
            for i in range(1, k+1):
                diff = float('-inf')
                for j in range(1, n):
                    diff = max(diff, dp[i-1][j-1]-prices[j-1])
                    dp[i][j] = max(diff+prices[j], dp[i][j-1])
                    
            return dp[k][n-1]

通过。注意diff初始化，不能初始化为0，要初始化为float(‘-inf’)代表负无穷。
目标是要求最大的diff，所以初始化为最小值。
因为diff代表第i-1次交易前j-1天的最大利润，利润可以为负的，代表亏损，
如果初始化为0，就可能比实际利润要大，显然不合理。
当初始化为最小或最大的值的时候要考虑当下的题目的实际情况。