❤️思维导图整理大厂面试高频数组19: 股票问题III的dp数组构建/初始化和空间优化难点, 力扣123❤️

Posted 2021-10-28 孤柒

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了❤️思维导图整理大厂面试高频数组19: 股票问题III的dp数组构建/初始化和空间优化难点, 力扣123❤️相关的知识，希望对你有一定的参考价值。

此专栏文章是对力扣上算法题目各种方法的总结和归纳, 整理出最重要的思路和知识重点并以思维导图形式呈现, 当然也会加上我对导图的详解.

目的是为了更方便快捷的记忆和回忆算法重点(不用每次都重复看题解), 毕竟算法不是做了一遍就能完全记住的. 所以本文适合已经知道解题思路和方法, 想进一步加强理解和记忆的朋友, 并不适合第一次接触此题的朋友(可以根据题号先去力扣看看官方题解, 然后再看本文内容).

关于本专栏所有题目的目录链接, 刷算法题目的顺序/注意点/技巧, 以及思维导图源文件问题请点击此链接.

想进大厂, 刷算法是必不可少的, 欢迎和博主一起打卡刷力扣算法, 博主同步更新了算法视频讲解和其他文章/导图讲解, 更易于理解, 欢迎来看!

关注博主获得题解更新的最新消息!!!

文章目录

0.导图整理
1.dp数组的构建
2.确定递推公式
3.dp数组如何初始化
4.最终返回结果
5.空间优化的解释
源码
Python:
java:

题目链接: https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-iii/solution/si-wei-dao-tu-zheng-li-dpshu-zu-gou-jian-csyk/

0.导图整理

1.dp数组的构建

本题最难的地方就在于 dp数组的构建了, 因为它不像前面讲过的两道股票问题那样, dp数组只需要用两种状态就可以表示了: 当天持有/不持有股票. 本题由于加了 最多买卖两次 的条件, 使问题一下子就变得复杂了, 用之前的两种状态并不能体现最多买卖两次的限制, 所以我们需要重新设计dp数组.

用上图中的五种状态就可以完美地体现出最多买卖两次的限制, 然后经过分析可以看出第一种状态利润为0, 对结果没什么影响, 所以我们最终只要定义剩下的4个状态即可. 定义dp数组的名称还是一贯地采用比较容易识别的名称, 这比那些用到二维dp数组, 甚至有些题解用到了三维dp数组要好多了.

2.确定递推公式

定义出了dp数组之后, 按照前面两题的经验, 递推公式就没太大难度了, 还是每种状态都由两种情况组合而来, 最终取最大值:

3.dp数组如何初始化

本题的初始化也有一定难度, 毕竟dp数组实在太多了.

先来明确下题目中的隐含条件: 无论题目中是否允许「在同一天买入并且卖出」这一操作, 最终的答案都不会受到影响, 这是因为这一操作带来的收益为零, 所以为了方便初始化, 这里默认是可以的. 于是就有了下面的初始化过程:

如果题目不允许的话, 那初始化就会稍微麻烦一些了, 比如sell1[i]就只能在第二天进行sell1[1]的初始化了, 同理: buy2[i]在第三天进行buy2[2]的初始化, sell2[i]在第四天进行sell2[3]的初始化, 这就是能否「在同一天买入并且卖出」的不同之处.

4.最终返回结果

在动态规划结束后,由于我们可以进行不超过两笔交易,因此最终的答案在0,sell1[i],sell2[i]中, 且为三者中的最大值, 由于在边界条件中sell1[i],sell2[i]的值已经为0, 并且在状态转移的过程中我们维护的是最大值, 因此sell1[i],sell2[i]最终一定大于等于0.

同时, 如果最优的情况对应的是恰好一笔交易, 那么它也会因为我们在转移时允许在同一天买入并且卖出这一宽松的条件, 从sell1[i]转移至sell2[i], 可以理解假如最优是 sell1[i] 的话, 可以当天再做一次买卖, 也就是完成两次交易, 所以无论如何都可以是 sell2[i] 最优.

5.空间优化的解释

代码在空间优化上和我们之前说过的直接将数组用变量来替换就可以了, 但是它在理解上还是有一定难度的.

例如在计算sell1[i]时, 我们直接使用buy1[i]而不是buy1[i-1]进行转移。buy1[i]比 buy[i-1]多考虑的是在第i天买入股票的情况, 而转移到sell1[i]时, 考虑的是在第i天卖出股票的情况, 这样在同一天买入并且卖出收益为零, 不会对答案产生影响, 所以我们才能这样进行优化.

源码

Python:

## 未进行空间优化
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        buy1 = [0] * n
        sell1 = [0] * n
        buy2 = [0] * n
        sell2 = [0] * n
        buy1[0] = buy2[0] = -prices[0]
        sell1[0] = sell2[0] = 0
        for i in range(1, n):
            buy1[i]  = max(buy1[i-1], -prices[i])
            sell1[i] = max(sell1[i-1], buy1[i-1] + prices[i])
            buy2[i]  = max(buy2[i-1], sell1[i-1] - prices[i])
            sell2[i] = max(sell2[i-1], buy2[i-1] + prices[i])
        return sell2[-1]

## 空间优化
class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        n = len(prices)
        buy1 = buy2 = -prices[0]
        sell1 = sell2 = 0
        for i in range(1, n):
            buy1 = max(buy1, -prices[i])
            sell1 = max(sell1, buy1 + prices[i])
            buy2 = max(buy2, sell1 - prices[i])
            sell2 = max(sell2, buy2 + prices[i])
        return sell2

java:

//未进行空间优化
class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        int[] buy1 = new int[n];
        int[] sell1 = new int[n];
        int[] buy2 = new int[n];
        int[] sell2 = new int[n];
        buy1[0] = -prices[0]; sell1[0] = 0;
        buy2[0] = -prices[0]; sell2[0] = 0;
        for (int i = 1; i < n; ++i) {
            buy1[i]  = Math.max(buy1[i-1], -prices[i]);
            sell1[i] = Math.max(sell1[i-1], buy1[i-1] + prices[i]);
            buy2[i]  = Math.max(buy2[i-1], sell1[i-1] - prices[i]);
            sell2[i] = Math.max(sell2[i-1], buy2[i-1] + prices[i]);
        }
        return sell2[n-1];
    }
}