AcWing 1057. 股票买卖 IV
\(AcWing\) \(1057\). 股票买卖 \(IV\)
一、题目描述
给定一个长度为 \(N\) 的数组，数组中的第 \(i\) 个数字表示一个给定股票在第 \(i\) 天的价格。
设计一个算法来计算你所能获取的最大利润，你最多可以完成 \(k\) 笔交易。
注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。一次买入卖出合为一笔交易。
输入格式
第一行包含整数 \(N\) 和 \(k\)，表示数组的长度以及你可以完成的最大交易笔数。
第二行包含 \(N\) 个不超过 \(10000\) 的正整数，表示完整的数组。
输出格式
输出一个整数，表示最大利润。
数据范围
\(1≤N≤10^5,1≤k≤100\)
输入样例1：
3 2
2 4 1
输出样例1：
2
输入样例2：
6 2
3 2 6 5 0 3
输出样例2：
7
样例解释
样例\(1\)：在第 \(1\) 天 (股票价格 = \(2\)) 的时候买入，在第 \(2\) 天 (股票价格 = \(4\)) 的时候卖出，这笔交易所能获得利润 = \(4-2\) = \(2\) 。
样例\(2\)：在第 \(2\) 天 (股票价格 = \(2\)) 的时候买入，在第 \(3\) 天 (股票价格 = \(6\)) 的时候卖出, 这笔交易所能获得利润 = \(6-2 = 4\) 。随后，在第 \(5\) 天 (股票价格 = \(0\)) 的时候买入，在第 \(6\) 天 (股票价格 = \(3\)) 的时候卖出, 这笔交易所能获得利润 \(= 3-0 = 3\) 。共计利润 \(4+3 = 7\).
二、题目解析
下面以 卖出行为 构成一次完整的交易：
\(Q\):为什么 卖出行为 会构成一次完整的交易,而不是把 买入行为 定义为一次完整的交易呢？要知道，把谁定义为一个完整交易的分界点，是会影响状态转移方程的！
答:回到递推的起点，我们发现，最初时手中是没有持有股票的，这是一个完整轮回的起点，一个轮回是两个操作：买入，卖出，现在还没有买入，那么经过第一个操作买入后，当然也不是一个轮回结束，只有再执行一个操作卖出后，才又回到手中没有股票的状态，才是一个完整的轮回，这就是为什么以卖出的动作作为一个完整的交易标识的原因。
三、进行到第\(i\)天，交易次数恰好是\(j\)
这个题目很容易的可以拆分成两种状态: 手中没有股票,手中有股票，用三维数组表示状态：
状态表示
- \(f[i][j][0]\) 表示前\(i\)天中交易次数 恰好 是\(j\),当前状况为手中没有股票的利益最大值
- \(f[i][j][1]\) 表示前\(i\)天中交易次数 恰好 是\(j\),当前状况为手中有股票的利益最大值
状态转移方程:
\(f[i][j][0] = max(f[i-1][j][0] , f[i-1][j-1][1] + w[i])\)
注意：这里是\(j-1\),表示上一次交易是第\(j-1\)次，在它执行完卖出后，进入到下一次交易\(j\)了
\(f[i][j][1] = max(f[i-1][j][1] ,f[i-1][j][0] - w[i])\)
初始化:
结果位置
- 买入不卖一定不是最优解,所以不用枚举\(f[i][j][1]\)的状态
- 给定的最大交易数量\(k\),我们不一定都能用了，比如我们用了\(3\)次就可以获取到最大利益，没有必要再用\(1\)次交易使我们的利益降低不是，所以，每个\(f[n][i][0]\)都有可能是最大价值，需要遍历一次找出最大值。
\(Code\)
#include <bits/stdc++.h>
using namespace std;
const int N = 1e5 + 10, M = 110;
int n, k;
int w[N];
int f[N][M][2];
// 以卖出做为一次完整交易的分界线
// 二维定义是恰好
int main() {
cin >> n >> k;
for (int i = 1; i <= n; ++i) cin >> w[i];
memset(f, -0x3f, sizeof f); // 其它状态目前是无效状态或者是未知状态
for (int i = 0; i <= n; i++) f[i][0][0] = 0; // 0次交易，手中无股票，最大收益是0
for (int i = 1; i <= n; i++) { // 枚举每一天
for (int j = 0; j <= k; j++) { // 枚举到这一天时，恰好进行了j次交易
// ① 这个 if(j) 可以理解为先把后面的状态转移方程写出来，再观察一下，发现j>=1，否则数组索引出负值
// ② 现实意义理解：如果 j=0时，就是上面进行的初始值是固定值，不需要转移
// ③ 手中无股票的状态，可以由前一天手中无股票的状态，和，前一天手中有股票但卖出了，两种状态转移而来
// ④ 最开始时，手中无股票，定义是原点，现在又到了手中无股票的状态，这是一个轮回，所以卖出是一个完整交易的临界点
if (j) f[i][j][0] = max(f[i - 1][j][0], f[i - 1][j - 1][1] + w[i]);
// ⑤ 手中有股票，要么是昨天手中股票，继续持有，要么是昨天手中无股票，购入了
f[i][j][1] = max(f[i - 1][j][1], f[i - 1][j][0] - w[i]);
}
}
int res = 0;
for (int i = 0; i <= k; i++) res = max(res, f[n][i][0]);
cout << res << endl;
return 0;
}
四、进行到第\(i\)天，交易次数最多是\(j\)
状态表示
- \(f[i][j][0]\) 表示前\(i\)天中交易次数 最多 是\(j\),当前状况为手中没有股票的利益最大值
- \(f[i][j][1]\) 表示前\(i\)天中交易次数 最多 是\(j\),当前状况为手中有股票的利益最大值
状态转移方程:
\(f[i][j][0] = max(f[i-1][j][0] , f[i-1][j-1][1] + w[i])\)
\(f[i][j][1] = max(f[i-1][j][1] ,f[i-1][j][0] - w[i])\)
与恰好的状态转移方程是一样的，差别在于初值不同
初始化:
结果位置
- \(f[n][k][0]\)
\(Code\)
#include <bits/stdc++.h>
using namespace std;
const int INF = 0x3f3f3f3f;
const int N = 1e5 + 10, M = 110;
int n, k;
int w[N];
int f[N][M][2];
// 以卖出做为一次完整交易的分界线
// f[i][j][0/1]定义成 前i天 完成最多是j次交易 且 决策为0/1的集合
int main() {
cin >> n >> k;
for (int i = 1; i <= n; i++) cin >> w[i];
memset(f, -0x3f, sizeof f);
for (int i = 0; i <= n; i++) f[i][0][0] = 0;
for (int j = 0; j <= n; j++) f[0][j][0] = 0;
// 下面两句，由于整体进行了初始化，就变得可以省略了
// for (int i = 0; i <= n; i++) f[i][0][1] = -INF;
// for (int j = 0; j <= n; j++) f[0][j][1] = -INF;
for (int i = 1; i <= n; i++) {
for (int j = 0; j <= k; j++) {
if (j) f[i][j][0] = max(f[i - 1][j][0], f[i - 1][j - 1][1] + w[i]);
f[i][j][1] = max(f[i - 1][j][1], f[i - 1][j][0] - w[i]);
}
}
cout << f[n][k][0] << endl;
return 0;
}
