锐客网

  1. 首页 > it技术 > >

LeetCode|【LeetCode】188. Best Time to Buy and Sell Stock IV 解题报告（Python）

算法leetcode

作者： 负雪明烛
id： fuxuemingzhu
个人博客： http://fuxuemingzhu.cn/

目录

    • 题目描述
    • 题目大意
    • 解题方法
    • 日期

【LeetCode|【LeetCode】188. Best Time to Buy and Sell Stock IV 解题报告（Python）】题目地址：https://leetcode.com/problems/best-time-to-buy-and-sell-stock-iv/description/
题目描述 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).
Example 1:
Input: [2,4,1], k = 2 Output: 2 Explanation: Buy on day 1 (price = 2) and sell on day 2 (price = 4), profit = 4-2 = 2.

Example 2:
Input: [3,2,6,5,0,3], k = 2 Output: 7 Explanation: Buy on day 2 (price = 2) and sell on day 3 (price = 6), profit = 6-2 = 4. Then buy on day 5 (price = 0) and sell on day 6 (price = 3), profit = 3-0 = 3.

题目大意 给出了一堆股票价格，最多做k次交易，求最大的收益。
解题方法 就是123. Best Time to Buy and Sell Stock III昨天的题，只是把交易2次改成了交易k次。这次题目有个坑，就是给了一个特别大的k，导致构建数组的时候，内存超了。在123题目里也说了，如果k>=N的时候相当于没有限制，题目退化成了不限次数的交易，所以我们直接求今天比昨天高的部分即可。当k的时候，我们仍然使用两个变量，全局的收益g和当前天卖出股票的收益l.
以下来自Grandyang的博客：
这里我们需要两个递推公式来分别更新两个变量local和global，参见网友Code Ganker的博客，我们其实可以求至少k次交易的最大利润。我们定义local[i][j]为在到达第i天时最多可进行j次交易并且最后一次交易在最后一天卖出的最大利润，此为局部最优。然后我们定义global[i][j]为在到达第i天时最多可进行j次交易的最大利润，此为全局最优。它们的递推式为：
local[i][j] = max(global[i - 1][j - 1] + max(diff, 0), local[i - 1][j] + diff)
global[i][j] = max(local[i][j], global[i - 1][j])，
其中局部最优值是比较前一天并少交易一次的全局最优加上大于0的差值，和前一天的局部最优加上差值后相比，两者之中取较大值，而全局最优比较局部最优和前一天的全局最优。
class Solution(object): def maxProfit(self, k, prices): """ :type k: int :type prices: List[int] :rtype: int """ if k <= 0 or not prices: return 0 N = len(prices) if k >= N: _sum = 0 for i in xrange(1, N): if prices[i] > prices[i - 1]: _sum += prices[i] - prices[i - 1] return _sum g = [0] * (k + 1) l = [0] * (k + 1) for i in xrange(N - 1): diff = prices[i + 1] - prices[i] for j in xrange(k, 0, -1): l[j] = max(g[j - 1] + max(diff, 0), l[j] + diff) g[j] = max(l[j], g[j]) return g[-1]

日期 2018 年 12 月 1 日 —— 2018年余额不足了

    推荐阅读


    上一篇：Go的面试题

    下一篇：LeetCode|【LeetCode】692. Top K Frequent Words 解题报告（Python）