AlgorithmPractice/src/recursion_and_dynamic_programming/BestTimetoBuyandSellStockwithCooldown.java at master · chenwenhang/AlgorithmPractice · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
package recursion_and_dynamic_programming;

/**
 * @Author: Wenhang Chen
 * @Description:给定一个整数数组，其中第 i 个元素代表了第 i 天的股票价格 。
 * <p>
 * 设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:
 * <p>
 * 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）。
 * 卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
 * 示例:
 * <p>
 * 输入: [1,2,3,0,2]
 * 输出: 3
 * 解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]
 * @Date: Created in 9:10 3/16/2020
 * @Modified by:
 */
public class BestTimetoBuyandSellStockwithCooldown {
    // dp核心：状态机
    public int maxProfit(int[] prices) {
        int len = prices.length;
        // 特判
        if (len < 2) {
            return 0;
        }

        int[][] dp = new int[len][3];
//        0 表示不持股；
//        1 表示持股；
//        2 表示处在冷冻期。
        // 初始化
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[0][2] = 0;

        for (int i = 1; i < len; i++) {
            dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
            dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][2] - prices[i]);
            dp[i][2] = dp[i - 1][0];
        }
        return Math.max(dp[len - 1][0], dp[len - 1][2]);
    }
//    public int maxProfit(int[] prices) {
//        int n = prices.length;
//        int dp_i_0 = 0, dp_i_1 = Integer.MIN_VALUE;
//        int dp_pre_0 = 0; // 代表 dp[i-2][0]
//        for (int i = 0; i < n; i++) {
//            int temp = dp_i_0;
//            dp_i_0 = Math.max(dp_i_0, dp_i_1 + prices[i]);
//            dp_i_1 = Math.max(dp_i_1, dp_pre_0 - prices[i]);
//            dp_pre_0 = temp;
//        }
//        return dp_i_0;
//    }
}