浅谈什么是动态规划以及相关的「股票」算法题

Readme.md

@@ -34,6 +34,9 @@
 | 103  | [二叉树的锯齿形层次遍历](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第103号问题：二叉树的锯齿形层次遍历.md) |
 | 107  | [二叉树的层次遍历 II](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第107号问题：二叉树的层次遍历II.md) |
 | 110  | [平衡二叉树](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第110号问题：平衡二叉树.md) |
+| 121  | [买卖股票的最佳时机](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第121号问题：买卖股票的最佳时机.md) |
+| 122  | [买卖股票的最佳时机II](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第121号问题：买卖股票的最佳时机II.md) |
+| 123  | [买卖股票的最佳时机III](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第121号问题：买卖股票的最佳时机III.md) |
 | 125  | [验证回文串](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第125号问题：验证回文串.md) |
 | 131  | [分割回文串](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第131号问题：分割回文串.md) |
 | 136  | [只出现一次的数字](https://github.com/MisterBooo/LeetCodeAnimation/tree/master/notes/LeetCode第136号问题：只出现一次的数字.md) |

notes/LeetCode第121号问题：买卖股票的最佳时机.md

+
+
+# 浅谈什么是动态规划以及相关的「股票」算法题
+
+## 动态规划
+
+### 1 概念
+
+  **动态规划**算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。在学习动态规划之前需要明确掌握几个重要概念。
+
+  **阶段：**对于一个完整的问题过程，适当的切分为若干个相互联系的子问题，每次在求解一个子问题，则对应一个阶段，整个问题的求解转化为按照阶段次序去求解。
+
+  **状态：**状态表示每个阶段开始时所处的客观条件，即在求解子问题时的已知条件。状态描述了研究的问题过程中的状况。
+
+  **决策：**决策表示当求解过程处于某一阶段的某一状态时，可以根据当前条件作出不同的选择，从而确定下一个阶段的状态，这种选择称为决策。
+
+  **策略：**由所有阶段的决策组成的决策序列称为全过程策略，简称策略。
+
+  **最优策略：**在所有的策略中，找到代价最小，性能最优的策略，此策略称为最优策略。
+
+  **状态转移方程：**状态转移方程是确定两个相邻阶段状态的演变过程，描述了状态之间是如何演变的。
+
+### 2 使用场景
+
+能采用动态规划求解的问题的一般要具有 3 个性质：
+
+  （1）**最优化**：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。子问题的局部最优将导致整个问题的全局最优。换句话说，就是问题的一个最优解中一定包含子问题的一个最优解。
+
+  （2）**无后效性**：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关，与其他阶段的状态无关，特别是与未发生的阶段的状态无关。
+
+   （3）**重叠子问题**：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）
+
+### 3 算法流程
+
+  （1）划分阶段：按照问题的时间或者空间特征将问题划分为若干个阶段。
+  （2）确定状态以及状态变量：将问题的不同阶段时期的不同状态描述出来。
+  （3）确定决策并写出状态转移方程：根据相邻两个阶段的各个状态之间的关系确定决策。
+  （4）寻找边界条件：一般而言，状态转移方程是递推式，必须有一个递推的边界条件。
+  （5）设计程序，解决问题
+
+## 实战练习
+
+下面的三道算法题都是来源于 LeetCode 上与股票买卖相关的问题 ，我们按照 **动态规划** 的算法流程来处理该类问题。
+
+**股票买卖**这一类的问题，都是给一个输入数组，里面的每个元素表示的是每天的股价，并且你只能持有一支股票（也就是你必须在再次购买前出售掉之前的股票），一般来说有下面几种问法：
+
+- 只能买卖一次
+- 可以买卖无数次
+- 可以买卖 k 次
+
+需要你设计一个算法去获取最大的利润。
+
+## 买卖股票的最佳时机
+
+题目来源于 LeetCode 上第 121 号问题：买卖股票的最佳时机。题目难度为 Easy，目前通过率为 49.4% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。
+
+注意你不能在买入股票前卖出股票。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 5
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
+     注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
+```
+
+**示例 2:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+我们按照动态规划的思想来思考这道问题。
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对于买来说，买之后可以卖出（进入卖状态），也可以不再进行股票交易（保持买状态）。
+
+对于卖来说，卖出股票后不在进行股票交易（还在卖状态）。
+
+只有在手上的钱才算钱，手上的钱购买当天的股票后相当于亏损。也就是说当天买的话意味着损失`-prices[i]`，当天卖的话意味着增加`prices[i]`，当天卖出总的收益就是 `buy+prices[i]` 。
+
+所以我们只要考虑当天买和之前买哪个收益更高，当天卖和之前卖哪个收益更高。
+
+* buy = max(buy, -price[i])  （注意：根据定义 buy 是负数）
+* sell = max(sell,  prices[i] + buy)
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+###代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            buy = Math.max(buy, -prices[i]);
+            sell = Math.max(sell, prices[i] + buy);
+        
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 II
+
+题目来源于 LeetCode 上第 122 号问题：买卖股票的最佳时机 II。题目难度为 Easy，目前通过率为 53.0% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
+
+**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）。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 7
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对比上题，这里可以有无限次的买入和卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，所以买入的转移方程需要变化。
+
+- buy = max(buy, sell - price[i])
+- sell = max(sell,   buy + prices[i] )
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            sell = Math.max(sell, prices[i] + buy);
+            buy = Math.max( buy,sell - prices[i]);
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 III
+
+题目来源于 LeetCode 上第 123 号问题：买卖股票的最佳时机 III。题目难度为 Hard，目前通过率为 36.1% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定的股票在第 *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 *两笔* 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）。
+
+**示例 1:**
+
+```
+输入: [3,3,5,0,0,3,1,4]
+输出: 6
+解释: 在第 4 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 。
+     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1] 
+输出: 0 
+解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+这里限制了最多两笔交易。
+
+#### 状态
+
+有 **第一次买入（fstBuy）** 、 **第一次卖出（fstSell）**、**第二次买入（secBuy）** 和 **第二次卖出（secSell）** 这四种状态。
+
+#### 转移方程
+
+这里最多两次买入和两次卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，**卖出** 状态之前可拥有 **买入** 状态，所以买入和卖出的转移方程都需要变化。
+
+- fstBuy = max(fstBuy ，  -price[i]) 
+- fstSell = max(fstSell，fstBuy + prices[i] )
+- secBuy = max(secBuy ，fstSell -price[i]) (受第一次卖出状态的影响)
+- secSell = max(secSell ，secBuy + prices[i] )
+
+#### 边界
+
+* 一开始 `fstBuy = -prices[0]`
+
+* 买入后直接卖出，`fstSell = 0`
+* 买入后再卖出再买入，`secBuy - prices[0]`
+* 买入后再卖出再买入再卖出，`secSell = 0`
+
+最后返回 secSell 。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        int fstBuy = Integer.MIN_VALUE, fstSell = 0;
+        int secBuy = Integer.MIN_VALUE, secSell = 0;
+        for(int i = 0; i < prices.length; i++) {
+            fstBuy = Math.max(fstBuy, -prices[i]);
+            fstSell = Math.max(fstSell, fstBuy + prices[i]);
+            secBuy = Math.max(secBuy, fstSell -  prices[i]);
+            secSell = Math.max(secSell, secBuy +  prices[i]); 
+        }
+        return secSell;
+        
+    }
+}
+```
+
+
+
+### 
+
+
+

notes/LeetCode第122号问题：买卖股票的最佳时机II.md

+
+
+# 浅谈什么是动态规划以及相关的「股票」算法题
+
+## 动态规划
+
+### 1 概念
+
+  **动态规划**算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。在学习动态规划之前需要明确掌握几个重要概念。
+
+  **阶段：**对于一个完整的问题过程，适当的切分为若干个相互联系的子问题，每次在求解一个子问题，则对应一个阶段，整个问题的求解转化为按照阶段次序去求解。
+
+  **状态：**状态表示每个阶段开始时所处的客观条件，即在求解子问题时的已知条件。状态描述了研究的问题过程中的状况。
+
+  **决策：**决策表示当求解过程处于某一阶段的某一状态时，可以根据当前条件作出不同的选择，从而确定下一个阶段的状态，这种选择称为决策。
+
+  **策略：**由所有阶段的决策组成的决策序列称为全过程策略，简称策略。
+
+  **最优策略：**在所有的策略中，找到代价最小，性能最优的策略，此策略称为最优策略。
+
+  **状态转移方程：**状态转移方程是确定两个相邻阶段状态的演变过程，描述了状态之间是如何演变的。
+
+### 2 使用场景
+
+能采用动态规划求解的问题的一般要具有 3 个性质：
+
+  （1）**最优化**：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。子问题的局部最优将导致整个问题的全局最优。换句话说，就是问题的一个最优解中一定包含子问题的一个最优解。
+
+  （2）**无后效性**：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关，与其他阶段的状态无关，特别是与未发生的阶段的状态无关。
+
+   （3）**重叠子问题**：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）
+
+### 3 算法流程
+
+  （1）划分阶段：按照问题的时间或者空间特征将问题划分为若干个阶段。
+  （2）确定状态以及状态变量：将问题的不同阶段时期的不同状态描述出来。
+  （3）确定决策并写出状态转移方程：根据相邻两个阶段的各个状态之间的关系确定决策。
+  （4）寻找边界条件：一般而言，状态转移方程是递推式，必须有一个递推的边界条件。
+  （5）设计程序，解决问题
+
+## 实战练习
+
+下面的三道算法题都是来源于 LeetCode 上与股票买卖相关的问题 ，我们按照 **动态规划** 的算法流程来处理该类问题。
+
+**股票买卖**这一类的问题，都是给一个输入数组，里面的每个元素表示的是每天的股价，并且你只能持有一支股票（也就是你必须在再次购买前出售掉之前的股票），一般来说有下面几种问法：
+
+- 只能买卖一次
+- 可以买卖无数次
+- 可以买卖 k 次
+
+需要你设计一个算法去获取最大的利润。
+
+## 买卖股票的最佳时机
+
+题目来源于 LeetCode 上第 121 号问题：买卖股票的最佳时机。题目难度为 Easy，目前通过率为 49.4% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。
+
+注意你不能在买入股票前卖出股票。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 5
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
+     注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
+```
+
+**示例 2:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+我们按照动态规划的思想来思考这道问题。
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对于买来说，买之后可以卖出（进入卖状态），也可以不再进行股票交易（保持买状态）。
+
+对于卖来说，卖出股票后不在进行股票交易（还在卖状态）。
+
+只有在手上的钱才算钱，手上的钱购买当天的股票后相当于亏损。也就是说当天买的话意味着损失`-prices[i]`，当天卖的话意味着增加`prices[i]`，当天卖出总的收益就是 `buy+prices[i]` 。
+
+所以我们只要考虑当天买和之前买哪个收益更高，当天卖和之前卖哪个收益更高。
+
+* buy = max(buy, -price[i])  （注意：根据定义 buy 是负数）
+* sell = max(sell,  prices[i] + buy)
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+###代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            buy = Math.max(buy, -prices[i]);
+            sell = Math.max(sell, prices[i] + buy);
+        
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 II
+
+题目来源于 LeetCode 上第 122 号问题：买卖股票的最佳时机 II。题目难度为 Easy，目前通过率为 53.0% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
+
+**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）。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 7
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对比上题，这里可以有无限次的买入和卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，所以买入的转移方程需要变化。
+
+- buy = max(buy, sell - price[i])
+- sell = max(sell,   buy + prices[i] )
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            sell = Math.max(sell, prices[i] + buy);
+            buy = Math.max( buy,sell - prices[i]);
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 III
+
+题目来源于 LeetCode 上第 123 号问题：买卖股票的最佳时机 III。题目难度为 Hard，目前通过率为 36.1% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定的股票在第 *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 *两笔* 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）。
+
+**示例 1:**
+
+```
+输入: [3,3,5,0,0,3,1,4]
+输出: 6
+解释: 在第 4 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 。
+     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1] 
+输出: 0 
+解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+这里限制了最多两笔交易。
+
+#### 状态
+
+有 **第一次买入（fstBuy）** 、 **第一次卖出（fstSell）**、**第二次买入（secBuy）** 和 **第二次卖出（secSell）** 这四种状态。
+
+#### 转移方程
+
+这里最多两次买入和两次卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，**卖出** 状态之前可拥有 **买入** 状态，所以买入和卖出的转移方程都需要变化。
+
+- fstBuy = max(fstBuy ，  -price[i]) 
+- fstSell = max(fstSell，fstBuy + prices[i] )
+- secBuy = max(secBuy ，fstSell -price[i]) (受第一次卖出状态的影响)
+- secSell = max(secSell ，secBuy + prices[i] )
+
+#### 边界
+
+* 一开始 `fstBuy = -prices[0]`
+
+* 买入后直接卖出，`fstSell = 0`
+* 买入后再卖出再买入，`secBuy - prices[0]`
+* 买入后再卖出再买入再卖出，`secSell = 0`
+
+最后返回 secSell 。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        int fstBuy = Integer.MIN_VALUE, fstSell = 0;
+        int secBuy = Integer.MIN_VALUE, secSell = 0;
+        for(int i = 0; i < prices.length; i++) {
+            fstBuy = Math.max(fstBuy, -prices[i]);
+            fstSell = Math.max(fstSell, fstBuy + prices[i]);
+            secBuy = Math.max(secBuy, fstSell -  prices[i]);
+            secSell = Math.max(secSell, secBuy +  prices[i]); 
+        }
+        return secSell;
+        
+    }
+}
+```
+
+
+
+### 
+
+
+

notes/LeetCode第123号问题：买卖股票的最佳时机III.md

+
+
+# 浅谈什么是动态规划以及相关的「股票」算法题
+
+## 动态规划
+
+### 1 概念
+
+  **动态规划**算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。在学习动态规划之前需要明确掌握几个重要概念。
+
+  **阶段：**对于一个完整的问题过程，适当的切分为若干个相互联系的子问题，每次在求解一个子问题，则对应一个阶段，整个问题的求解转化为按照阶段次序去求解。
+
+  **状态：**状态表示每个阶段开始时所处的客观条件，即在求解子问题时的已知条件。状态描述了研究的问题过程中的状况。
+
+  **决策：**决策表示当求解过程处于某一阶段的某一状态时，可以根据当前条件作出不同的选择，从而确定下一个阶段的状态，这种选择称为决策。
+
+  **策略：**由所有阶段的决策组成的决策序列称为全过程策略，简称策略。
+
+  **最优策略：**在所有的策略中，找到代价最小，性能最优的策略，此策略称为最优策略。
+
+  **状态转移方程：**状态转移方程是确定两个相邻阶段状态的演变过程，描述了状态之间是如何演变的。
+
+### 2 使用场景
+
+能采用动态规划求解的问题的一般要具有 3 个性质：
+
+  （1）**最优化**：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构，即满足最优化原理。子问题的局部最优将导致整个问题的全局最优。换句话说，就是问题的一个最优解中一定包含子问题的一个最优解。
+
+  （2）**无后效性**：即某阶段状态一旦确定，就不受这个状态以后决策的影响。也就是说，某状态以后的过程不会影响以前的状态，只与当前状态有关，与其他阶段的状态无关，特别是与未发生的阶段的状态无关。
+
+   （3）**重叠子问题**：即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次使用到。（该性质并不是动态规划适用的必要条件，但是如果没有这条性质，动态规划算法同其他算法相比就不具备优势）
+
+### 3 算法流程
+
+  （1）划分阶段：按照问题的时间或者空间特征将问题划分为若干个阶段。
+  （2）确定状态以及状态变量：将问题的不同阶段时期的不同状态描述出来。
+  （3）确定决策并写出状态转移方程：根据相邻两个阶段的各个状态之间的关系确定决策。
+  （4）寻找边界条件：一般而言，状态转移方程是递推式，必须有一个递推的边界条件。
+  （5）设计程序，解决问题
+
+## 实战练习
+
+下面的三道算法题都是来源于 LeetCode 上与股票买卖相关的问题 ，我们按照 **动态规划** 的算法流程来处理该类问题。
+
+**股票买卖**这一类的问题，都是给一个输入数组，里面的每个元素表示的是每天的股价，并且你只能持有一支股票（也就是你必须在再次购买前出售掉之前的股票），一般来说有下面几种问法：
+
+- 只能买卖一次
+- 可以买卖无数次
+- 可以买卖 k 次
+
+需要你设计一个算法去获取最大的利润。
+
+## 买卖股票的最佳时机
+
+题目来源于 LeetCode 上第 121 号问题：买卖股票的最佳时机。题目难度为 Easy，目前通过率为 49.4% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。
+
+注意你不能在买入股票前卖出股票。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 5
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。
+     注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格。
+```
+
+**示例 2:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+我们按照动态规划的思想来思考这道问题。
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对于买来说，买之后可以卖出（进入卖状态），也可以不再进行股票交易（保持买状态）。
+
+对于卖来说，卖出股票后不在进行股票交易（还在卖状态）。
+
+只有在手上的钱才算钱，手上的钱购买当天的股票后相当于亏损。也就是说当天买的话意味着损失`-prices[i]`，当天卖的话意味着增加`prices[i]`，当天卖出总的收益就是 `buy+prices[i]` 。
+
+所以我们只要考虑当天买和之前买哪个收益更高，当天卖和之前卖哪个收益更高。
+
+* buy = max(buy, -price[i])  （注意：根据定义 buy 是负数）
+* sell = max(sell,  prices[i] + buy)
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+###代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            buy = Math.max(buy, -prices[i]);
+            sell = Math.max(sell, prices[i] + buy);
+        
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 II
+
+题目来源于 LeetCode 上第 122 号问题：买卖股票的最佳时机 II。题目难度为 Easy，目前通过率为 53.0% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定股票第 *i* 天的价格。
+
+设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。
+
+**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）。
+
+**示例 1:**
+
+```
+输入: [7,1,5,3,6,4]
+输出: 7
+解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1]
+输出: 0
+解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+#### 状态
+
+有 **买入（buy）** 和 **卖出（sell）** 这两种状态。
+
+#### 转移方程
+
+对比上题，这里可以有无限次的买入和卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，所以买入的转移方程需要变化。
+
+- buy = max(buy, sell - price[i])
+- sell = max(sell,   buy + prices[i] )
+
+#### 边界
+
+第一天 `buy = -prices[0]`, `sell = 0`，最后返回 sell 即可。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        if(prices.length <= 1)
+            return 0;
+        int buy = -prices[0], sell = 0;
+        for(int i = 1; i < prices.length; i++) {
+            sell = Math.max(sell, prices[i] + buy);
+            buy = Math.max( buy,sell - prices[i]);
+        }
+        return sell;
+    }
+}
+```
+
+
+
+## 买卖股票的最佳时机 III
+
+题目来源于 LeetCode 上第 123 号问题：买卖股票的最佳时机 III。题目难度为 Hard，目前通过率为 36.1% 。
+
+### 题目描述
+
+给定一个数组，它的第 *i* 个元素是一支给定的股票在第 *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 *两笔* 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）。
+
+**示例 1:**
+
+```
+输入: [3,3,5,0,0,3,1,4]
+输出: 6
+解释: 在第 4 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 。
+     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。
+```
+
+**示例 2:**
+
+```
+输入: [1,2,3,4,5]
+输出: 4
+解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
+     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
+     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
+```
+
+**示例 3:**
+
+```
+输入: [7,6,4,3,1] 
+输出: 0 
+解释: 在这个情况下, 没有交易完成, 所以最大利润为 0。
+```
+
+### 题目解析
+
+这里限制了最多两笔交易。
+
+#### 状态
+
+有 **第一次买入（fstBuy）** 、 **第一次卖出（fstSell）**、**第二次买入（secBuy）** 和 **第二次卖出（secSell）** 这四种状态。
+
+#### 转移方程
+
+这里最多两次买入和两次卖出，也就是说 **买入** 状态之前可拥有 **卖出** 状态，**卖出** 状态之前可拥有 **买入** 状态，所以买入和卖出的转移方程都需要变化。
+
+- fstBuy = max(fstBuy ，  -price[i]) 
+- fstSell = max(fstSell，fstBuy + prices[i] )
+- secBuy = max(secBuy ，fstSell -price[i]) (受第一次卖出状态的影响)
+- secSell = max(secSell ，secBuy + prices[i] )
+
+#### 边界
+
+* 一开始 `fstBuy = -prices[0]`
+
+* 买入后直接卖出，`fstSell = 0`
+* 买入后再卖出再买入，`secBuy - prices[0]`
+* 买入后再卖出再买入再卖出，`secSell = 0`
+
+最后返回 secSell 。
+
+### 代码实现
+
+```java
+class Solution {
+    public int maxProfit(int[] prices) {
+        int fstBuy = Integer.MIN_VALUE, fstSell = 0;
+        int secBuy = Integer.MIN_VALUE, secSell = 0;
+        for(int i = 0; i < prices.length; i++) {
+            fstBuy = Math.max(fstBuy, -prices[i]);
+            fstSell = Math.max(fstSell, fstBuy + prices[i]);
+            secBuy = Math.max(secBuy, fstSell -  prices[i]);
+            secSell = Math.max(secSell, secBuy +  prices[i]); 
+        }
+        return secSell;
+        
+    }
+}
+```
+
+
+
+### 
+
+
+