简单多状态 dp 问题
- [1.面试题 17.16. 按摩师](#1.面试题 17.16. 按摩师)
- [2.打家劫舍 II](#2.打家劫舍 II)
- 3.删除并获得点数
- 4.粉刷房子
- 4.买卖股票的最佳时机含冷冻期
- 5.买卖股票的最佳时机含手续费
- [6.买卖股票的最佳时机 III](#6.买卖股票的最佳时机 III)
- [7.买卖股票的最佳时机 IV](#7.买卖股票的最佳时机 IV)
点赞 👍👍收藏 🌟🌟关注 💖💖
你的支持是对我最大的鼓励,我们一起努力吧!😃😃
1.面试题 17.16. 按摩师
题目链接: 面试题 17.16. 按摩师
题目分析:
圆圈表示预约,每个预约可以接或不接,不能接受相邻的预约,最优的预约集合(总预约时间最长),返回总的分钟数。
算法原理:
1.状态表示
经验 + 题目要求
dp[i] 表示:选择到 i 位置的时候,此时最长预约时长。
但是 i 位置可以选或者不选,因此继续细化
f[i] 表示:选择到 i 位置的时候,nums[i] 必选,此时最长预约时长
g[i] 表示:选择到 i 位置的时候,nums[i] 不选,此时最长预约时长
2.状态转移方程
f[i] 表示 必选 i 位置,此时最长预约时长。i 位置可以选,那 i - 1 位置就不能选了,而我们想要的是最长预约时长,那就把 0 ~ i- 1 区间内最长预约时长给我,这个最长预约时长保证 i - 1 位置必不选。而 g[i-1] 表示 i -1位置不选此时最长预约时长。当然也别忘记 i 位置的预约时长
g[i] 表示 不选 i 位置,此时最长预约时长。 i 位置不选,那 i - 1 位置可选可不选,我们要找的是 0 ~ i - 1区间最长预约时长,有两种情况,选 i - 1 位置 ,而 f[i - 1] 表示必选 i - 1 位置此时最长预约时长, 不选 i - 1 位置,g[i - 1] 表示 不选 i - 1 位置此时最长预约时长
3.初始化
填表时不越界
这里我们也可以添加虚拟节点,但是这道题初始化太简单了,因此就不要添加虚拟节点。填f[0],g[0] 会越界,而f[0]表示必选0位置,g[0]表示不选0位置,因此
f[0] = nums[0] ,g[0] = 0
4.填表
从左往右两个表一起填
5.返回值
返回到达最后一个位置时最长预约时长
max( f[n - 1],g[n - 1] )
cpp
class Solution {
public:
int massage(vector<int>& nums) {
// 1.创建dp表
// 2.初始化
// 3.填表
// 4.返回值
int n = nums.size();
if(n == 0) return 0;//处理边界情况
vector<int> fdp(n);
vector<int> gdp(n);
fdp[0] = nums[0], gdp[0] = 0;
for(int i = 1; i < n; ++i)
{
fdp[i] = gdp[i - 1] + nums[i];
gdp[i] = max(fdp[i - 1],gdp[i - 1]);
}
return max(fdp[n - 1], gdp[n - 1]);
}
};
2.打家劫舍 II
题目链接: 213. 打家劫舍 II
题目分析:
这道题相比于打家劫舍I 多了这个条件:这个地方所有的房屋都 围成一圈 ,这意味着第一个房屋和最后一个房屋是紧挨着的,也就是说现在成了一个环路了。
同时,相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警 。
算法原理:
分类讨论:
根据第一个位置选or不选可以把问题从环形问题转化为线性问题
接下来是打家劫舍I的分析,和上面那道题几乎一模一样
1.状态表示
经验 + 题目要求
f[i] 表示:偷到 i 位置的时候,偷 nums[i] ,此时的最大金额
g[i] 表示:偷到 i 位置的时候,不偷 nums[i] ,此时的最大金额
2.状态转移方程
3.初始化
填表时不越界
f[0] = nums[0] ,g[0] = 0
4.填表
从左往右两个表一起填
5.返回值
返回偷到最后一个位置时最大金额
max( f[n - 1],g[n - 1] )
cpp
class Solution {
public:
int rob(vector<int>& nums) {
int n = nums.size();
//分类讨论两种情况下最大值
return max(dp(nums, 2, n-2) + nums[0], dp(nums, 1, n - 1));
}
int dp(vector<int>& nums, int left, int right)
{
if(left > right) return 0;
// 1.创建 dp 表
// 2.初始化
// 3.填表
// 4.返回值
int n = nums.size();
vector<int> f(n);
vector<int> g(n);
f[left] = nums[left], g[left] = 0;
for(int i = left + 1; i <= right; ++i)
{
f[i] = g[i - 1] + nums[i];
g[i] = max(f[i - 1], g[i - 1]);
}
return max(f[right], g[right]);
}
};
3.删除并获得点数
题目链接: 740. 删除并获得点数
题目分析:
给你一个整数数组 nums ,你可以对它进行一些操作。
每次操作中,选择任意一个 nums[i] ,删除它并获得 nums[i] 的点数。之后,你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。
开始你拥有 0 个点数。返回你能通过这些操作获得的最大点数。
对于删除它并获得 nums[i] 的点数。之后,你必须删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素。删除 所有 等于 nums[i] - 1 和 nums[i] + 1 的元素也就是说值等于这两个的数不能选了。因此我们可以先对数组排一下序,方便找到 nums[i] - 1 和 nums[i] + 1 的 元素。
算法原理:
一定要有这样的能力,碰到一个新题的时候,可以往之前做过的题方向靠!
比如这道题如果是有序的并且中间数没有少,就像打家劫舍的问题。比如说1、2、3、4、5。 选 1 之后不能选 2 了,是不是就是不能选择相邻的两个数并且要最终选择的数最大。
所以如果说,数组是有序的话并且中间没有间隔,就是 "打家劫舍" 问题。
但是这里的数并不是那么连续的。如果中间数断了,就不是 "打家劫舍" 问题。
比如这里选 2 之后,还能选 4.
所以我们可以先用数组arr,把这些数先统计一下。下标 i 表示这个数是几,arr[i] 表示 " i " 这个数出现的总和。为什么预处理到数组中,因为 下标 i 是有序的。
然后就可以不要nums了,相当于在arr数组做一次 "打家劫舍" 。比如说选了下标1里面的数,那下标 2 里面的数就不能要了,也就相当于选择当前这个数,相邻的数不能选了。可以选后面其他的数。
预处理:将数组中的数,统计到 arr 中,然后在 arr 中,做一次 "打家劫舍" 问题即可
1.状态表示
经验 + 题目要求
f[i] 表示:选到 i 位置的时候, nums[i] 必选 ,此时能获得的最大点数
g[i] 表示:偷到 i 位置的时候,nums[i] 不选,此时能获得的最大点数
2.状态转移方程
3.初始化
填表时不越界
f[0] = arr[0] ,g[0] = 0
4.填表
从左往右两个表一起填
5.返回值
返回偷到最后一个位置时最大金额
max( f[n - 1],g[n - 1] )
cpp
class Solution {
public:
int deleteAndEarn(vector<int>& nums) {
// 1. 预处理
const int n = 10001;
int arr[n] = {0};
for(auto e : nums)
{
arr[e] += e;
}
// 2.在 arr 数组上,做一次 "打家劫舍" 问题
// 1. 创建 dp 表
// 2. 初始化
// 3. 填表
// 4. 返回值
vector<int> f(n);
vector<int> g(n);
//这道题可以不用初始化
for(int i = 1; i < n ; ++i)
{
f[i] = g[i - 1] + arr[i];
g[i] = max(f[i - 1], g[i - 1]);
}
return max(f[n - 1], g[n - 1]);
}
};
4.粉刷房子
题目链接: LCR 091. 粉刷房子
题目分析:
有n个房子,每个房子都可以被粉刷成红色,蓝色,绿色,相邻的房子颜色不能相同。每个房子粉刷成不同颜色的价格由一个3*n的矩阵给出,左边0 ~ 2表示房子,上面0 ~ 2表示每个房子被粉刷不能颜色的价格。要找到粉刷完所有房子最少的价格。
算法原理:
1.状态表示
经验 + 题目要求
以 i 位置为结尾,当涂到 i 位置的时候此时的最小花费,但是涂到 i 位置还可以细分,涂成红色,蓝色,绿色。
dp[i][0] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上 红色,此时的最小花费
dp[i][1] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上 蓝色,此时的最小花费
dp[i][2] 表示:粉刷到 i 位置的时候,最后一个位置粉刷上 绿色,此时的最小花费
2.状态转移方程
此时分三种情况讨论:
如果 i 位置涂成红色这个位置花费已经固定了 cost[i][0],我要的是最小花费,只要保证 0 ~ i -1 区间花费最小就行了。涂到 i - 1 位置只能涂成蓝色、绿色,dp[i-1][1]表示涂到 i - 1 位置涂蓝色此时最小花费,dp[i-1][2]表示涂到 i - 1 位置涂绿色此时最小花费,因此 i 位置涂成红色状态转移方程就处理了,剩下也是这样的处理:
3.初始化
填表时不越界
这里我们可以多申请一个空间。这样就可以把初始化放到填表里面了。但是要注意两点:
- 虚拟节点里面的值,要保证后序填表时正确的
- 下标的映射关系
首先看虚拟节点里面的值应该填多少,可以先考虑没有虚拟节点第一个位置应该填多少,是不是填的是自己本身啊,因此虚拟节点里面的值我们给0。
因为我们多开一个空间,相当于整体向右移一位,如果要回去应该 下标应该减 1。
4.填表
从左往右三个表一起填
5.返回值
返回涂到最后一个位置,涂成红,蓝,绿最小花费
min(dp[n][0],dp[n][1],dp[n][2])
cpp
class Solution {
public:
int minCost(vector<vector<int>>& costs) {
// 1. 创建 dp 表
// 2. 初始化
// 3. 填表
// 4. 返回值
int n = costs.size();
vector<vector<int>> dp(n + 1, vector<int>(3));
for(int i = 1; i <= n; ++i)
{
dp[i][0] = min(dp[i - 1][1], dp[i - 1][2]) + costs[i - 1][0];
dp[i][1] = min(dp[i - 1][0], dp[i - 1][2]) + costs[i - 1][1];
dp[i][2] = min(dp[i - 1][0], dp[i - 1][1]) + costs[i - 1][2];
}
return min(dp[n][0], min(dp[n][1], dp[n][2]));
}
};
4.买卖股票的最佳时机含冷冻期
题目链接: 309. 买卖股票的最佳时机含冷冻期
题目分析:
卖出股票后,你无法在第二天买入股票 (即冷冻期为 1 天)。
这里的「处于冷冻期」指的是在第 i 天结束之后的状态。也就是说:如果第 i 天结束之后处于冷冻期,那么第 i+1 天无法买入股票。
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)
算法原理:
1.状态表示
经验 + 题目要求
dp[i] 表示 第 i 天结束之后,此时最大利润。继续细分:
i 天结束之后,此时处于 " 买入" 状态
i 天结束之后,此时处于 " 可交易(卖出后手里没有股票了并且此时不处于冷冻期)" 状态
i 天结束之后,此时处于 " 冷冻期 " 状态
dp[i][0] 表示: 第 i 天结束之后,处于 " 买入 " 状态,此时的最大利润
dp[i][1] 表示: 第 i 天结束之后,处于 " 可交易 " 状态,此时的最大利润
dp[i][2] 表示: 第 i 天结束之后,处于 " 冷冻期" 状态,此时的最大利润
2.状态转移方程
此时分三种情况讨论:
可以画一个状态机,看自己能不能到自己,自己能不能到其他。
比如在 i 天结束处于买入状态,看 i - 1 天是什么状态然后满足 i 天结束处于买入状态。
如果 i - 1 天结束处于买入状态,那 i 天啥也不干,依旧处于 买入状态。
如果 i - 1 天结束处于冷冻期,也就说 i 天不能进行任何操作,所以进不了 买入状态。
如果 i - 1 天结束处于可交易状态,只要把 i 天 股票买了就进入买入状态。
在 i 天结束处于冷冻期状态,看 i - 1 天是什么状态然后满足 i 天结束处于冷冻期
i - 1 天结束处于冷冻期不能 i 天也处于冷冻期,不能卖了还卖只有一支股票。
i - 1 天结束处于买入状态,i 天卖掉股票,i天之后就处于冷冻期了。
i - 1 天结束处于可交易,手里没有股票可以卖,不能到冷冻期
在 i 天结束处于可交易状态,看 i - 1 天是什么状态然后满足 i 天结束处于可交易
i - 1 天结束处于可交易,i 天啥也不干,还是可交易状态。
i - 1 天结束处于买入状态,i天先要把股票卖了i天结束之后处于冷冻期,才能进入可交易。
i - 1 天结束处于冷冻期,i 天啥也不干,就进入i天结束处于可交易
3.初始化
填表时不越界
dp[0][0] (买入状态) = -p[0]
dp[0][1] (可交易) = 0
dp[0][2] (冷冻状态) = 0
4.填表
从左往右三个表一起填
5.返回值
返回最后一个位置最大利润,i 天 还买股票肯定是不行的。
max(dp[n-1][1],dp[n-1][2])
cpp
class Solution {
public:
int maxProfit(vector<int>& prices) {
// 1.创建 dp 表
// 2.初始化
// 3.填表
// 4.返回值
int n = prices.size();
vector<vector<int>> dp(n,vector<int>(3));
dp[0][0] = -prices[0];
for(int i = 1; i < n; ++i)
{
dp[i][0] = max(dp[i-1][0],dp[i-1][1] - prices[i]);
dp[i][1] = max(dp[i-1][1],dp[i-1][2]);
dp[i][2] = dp[i-1][0] + prices[i];
}
return max(dp[n-1][1],dp[n-1][2]);
}
};
5.买卖股票的最佳时机含手续费
题目链接: 714. 买卖股票的最佳时机含手续费v
题目分析:
给定一个整数数组 prices,其中 prices[i]表示第 i 天的股票价格 ;整数 fee 代表了交易股票的手续费用。
你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。
返回获得利润的最大值。
注意:这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
上面意思是,买卖一次股票,要支付手续费,要不就是买支付要么就是卖支付,只用支付一次。并且手里只能有一支股票,卖出去之前不能再次买入。你可以无限次完成交易,返回获得利润的最大值。
算法原理:
1.状态表示
经验 + 题目要求
dp[i] 表示 第 i 天结束之后,此时最大利润。但第 i 天结束之后可以细化为两种状态:
f[i] 表示:第 i 天结束之后,处于 "买入" 状态,此时的最大利润
g[i] 表示:第 i 天结束之后,处于 "卖入" 状态,此时的最大利润
我们可以搞两个dp表或者开一个dp(2*n)表
2.状态转移方程
如果是多状态,并且多状态之间可以相互转移,为了可以不重不漏的把所有情况都考虑到,建议画一个状态机,先看自己能不能到自己,在看其他的能不能到自己。 这样就可以把所有情况不重不漏的找出来。然后状态转移方程就可以根据这个图直接得到。
i 天结束之后处于买入状态,就看 i - 1 天结束的状态。
i - 1 天结束处于买入状态,i 天啥也不干,也处于买入状态
i - 1 天结束处于卖出状态,i 天把股票买了,i 天结束处于买入状态
i 天结束之后处于卖出状态,就看 i - 1 天结束的状态。
i - 1 天结束处于卖出状态,i 天啥也不干,i 天结束之后也处于卖出状态
i - 1 天结束处于买入状态,i 天把股票卖掉,i 天结束之后处于卖出状态
别忘记买卖股票是有手续费的,这里我们在卖出股票交手续费。
状态转移方程就出来了
3.初始化
可以申请虚拟节点,但是没必要。
这里填f[0] 和 g[0] 会越界。我们处理一下。
f[0] 表示第 0 天结束之后,处于 "买入" 状态,那就把股票买了就行了,
f[0] = -p[0]
g[0] 表示第 0 天结束之后,处于 "卖出" 状态,卖出手里得有股票啊但是并没有,那第 0 天啥也不干不,不还是处于卖出状态吗
g[0] = 0
4.填表
从左往右,两个表一起填
5.返回值
如果最后一天处于买入状态,你能获得最大利润吗?肯定不如最后一天卖入状态!
返回 g[n-1]
cpp
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
// 1. 创建 dp 表
// 2. 初始化
// 3. 填表
// 4. 返回值
int n = prices.size();
vector<int> f(n);
vector<int> g(n);
f[0] = -prices[0];
for(int i = 1; i < n; ++i)
{
f[i] = max(f[i - 1], g[i - 1] - prices[i]);
g[i] = max(g[i - 1], f[i - 1] + prices[i] - fee);
}
return g[n-1];
}
};
6.买卖股票的最佳时机 III
题目链接: 123. 买卖股票的最佳时机 III
题目分析:
这道题还是买卖股票求最大利润,但是和前面无限次交易相比,你最多可以完成 两笔 交易。也就是说只能买卖两次!并且手里股票卖了之后才能在买股票。
算法原理:
1.状态表示
经验 + 题目要求
dp[i] 表示 第 i 天结束之后,所获得得最大利润,但是股票问题在第 i 天结束之后可以划分很多子状态,比如第 i 天结束手里有股票或者没有股票,此时就可以分为"卖入" 和 "卖出" 状态,而且这道题更为特殊最多只能完成两笔交易,所以我们可以有更多子状态:
第 i 天结束 ,完成 0 笔交易 此时处于 买入 状态、完成 1 笔交易 此时处于 买入 状态、完成 2 笔交易 此时处于 买入 状态。
第 i 结束,完成 0 笔交易 此时处于 卖出 状态,完成 1 笔交易 此时处于 卖出 状态,完成 2 笔交易 此时处于 卖出 状态。
所以不仅要有买入、卖出状态还要加上交易次数。因此我们定义两个二维数组,
i 表示天数,j表示交易次数。
f[i][j] 表示: 第 i 天结束之后,完成了 j 次交易,此时处于 "买入" 状态下的,最大利润
g[i][j] 表示: 第 i 天结束之后,完成了 j 次交易,此时处于 "卖入" 状态下的,最大利润
2.状态转移方程
如果有多个状态并且多个状态之间还能相互转化,建议画个状态机。
这条线的起点表示 i - 1 天结束之后的状态,线表示 i 天的操作,箭头所指的是当天结束之后的状态。
i 天结束之后处于买入状态:
i - 1 天结束之后也处于买入状态,i 天啥也不干, i 天结束之后还是处于买入状态
i - 1 天结束之后处于卖出状态,i 天买入当天股票,i 天结束之后处于买入状态
i 天结束之后处于卖出状态:
i - 1 天结束之后处于卖出状态,i 天啥也不干,i 天结束之后还是处于卖出状态
i -1 天结束之后处于买入状态,i 天卖出股票,i 天结束之后处于卖出状态
但是这道题要注意,这道题要把交易次数加上,在转化的过程那一步会改变交易的次数呢?
前一天买了股票,如果今天把股票给卖了之后,在今天结束之后,是不是相当于完成了一笔交易,然后交易次数+1。
此时状态转移方程就出来了:
f[i][j] = max(f[i-1][j](前一天处于买入状态,今天啥也不干,交易次数不变),g[i-1][j](前一天处于卖出状态, 今天只是买股票,并没有卖,没有完成交易,因此交易次数不变)- p[i])
g[i][j] = max(g[i-1][j](前一天完成了一笔交易,但是今天啥也不干,交易次数不变),f[i-1][j-1](第 i 天结束之后 j 的交易次数要 + 1,我要找到昨天的交易次数那是不是 j 要 -1。也就是说今天是交易2次的话,我要找到昨天交易1次的次数买入,今天卖掉交易次数不就是变成2次了, 所以是 j - 1)+ p[i])
3.初始化
f 要用到 f的 i-1,g的 i-1,因此要初始化 f 第一行 和 g 第一行。
g要用到 g的i-1,f的 i-1,j-1。
总结来说 f 要初始化第一行第一列,g 初始化第一行。
碰到这种情况其实有一种技巧,通过修改状态转移方程
g[i][j],当 j = 0的时候,f[i-1][j-1] j - 1会越界,表示在 i - 1 天完成了 -1 笔交易,这种状态根本不存在,所以可以修改状态转移方程,满足的情况的时候在比较。
为什么这样初始化,分析f表发现初始f和g表第一行就可以,分析g表发现某个位置会影响初始化,所以就把这个位置单独处理。所以初始化只用初始化第一行就可以了。如何处理,加一个判断即可!
目前我们已经学了三个初始化技巧!
不过这里还没有完,f表和g表第一行初始看给什么。
因为我们交易次数是有限制的,所以要珍惜交易次数,尽量不要当天买了之后又卖。所以第 0 天的时候,完成一笔交易、两笔交易是不存在的,并且因为我们求得是max不想它们干扰后面的结果,所以我们可以给第 0 天给买和卖 第一笔交易、两笔交易都给-∞。
f[0][0]表示: 第 0 天结束之后,完成了 0 次交易,此时处于 "买入" 状态下的,是不是把第 0 天股票买了才行 ,所以 f[0][0] = -p[0]
g[0][0] 表示: 第 0 天结束之后,完成了 0 次交易,此时处于 "卖入" 状态下的,卖出是手里没有股票的状态,那第 0 天我什么都不敢不就好了,所以g[0][0] = 0
但是这里有个细节:
如果你选的是 INI_MIN 去初始化,这里发生减操作,INI_MIN - 1 绝对会越界!!!超出int的范围。因此:
如果是求最大值 不要选 INI_MIN,选择 - 0x3f3f3f3f 去初始化,(0x3f3f3f3f是是int最大值的一半)。这个数的好处在于足够小。并且在这个数上做加减操作不会越界!
求最小值,不要选 INI_MAX,选择 -0x3f3f3f3f 去初始化。
4.填表顺序
从上到下填写每一行,每一行从左往右,两个表一起填
5.返回值
最大利润可能是交易0次、1次、2次,所以返回g表的最后一行里面的最大值。
f 表第 i 填处于买入状态,根本不可能比 g 表第 i 填处于卖出状态利润大。
cpp
class Solution {
public:
int maxProfit(vector<int>& prices) {
// 1.创建 dp 表
// 2.初始化
// 3.填表
// 4.返回值
const int INF = 0x3f3f3f3f;
int n = prices.size();
vector<vector<int>> f(n, vector<int>(3,-INF));
auto g = f;
f[0][0] = -prices[0];
g[0][0] = 0;
for(int i = 1; i < n; ++i)
{
for(int j = 0; j < 3; ++j)
{
f[i][j] = max(f[i-1][j], g[i-1][j] - prices[i]);
g[i][j] = g[i-1][j];
if(j - 1 >= 0) //如果该状态存在
g[i][j] = max(g[i][j], f[i-1][j-1] + prices[i]);
}
}
//找到最后一行最大值
int ret = 0;
for(auto& e : g[n-1])
{
ret = max(e,ret);
}
return ret;
}
};
7.买卖股票的最佳时机 IV
题目链接: 188. 买卖股票的最佳时机 IV
题目分析:
这道题和上面的题几乎完全一模一样,上面最多只能进行两笔交易,而这道题最多能完成 k 笔交易。也就是小于等于k笔交易都行
算法原理:
和上面几乎一模一样,不过可以这里可以处理一个细节问题,可以提高时间复杂度和空间复杂度
如果给了 20 天 , k = 30,可以进行30笔交易。但是 20 天最多只能进行 20 / 2 =10笔交易,k 给多了就是浪费,因此处理一下k, k = min(k,n / 2)
cpp
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
//处理细节问题
int n = prices.size();
k = min(k, n / 2);
// 1.创建 dp 表
// 2.初始化
// 3.填表
// 4.返回值
const int INF = 0x3f3f3f3f;
vector<vector<int>> f(n, vector<int>(k + 1,-INF));
auto g = f;
f[0][0] = -prices[0], g[0][0] = 0;
for(int i = 1; i < n; ++i)
{
for(int j = 0; j < k + 1; ++j)
{
f[i][j] = max(f[i - 1][j], g[i - 1][j] - prices[i]);
g[i][j] = g[i - 1][j];
if(j >= 1)//如果状态存在
g[i][j] = max(g[i][j], f[i - 1][j - 1] + prices[i]);
}
}
int ret = 0;
for(auto& e : g[n - 1])
ret = max(ret, e);
return ret;
}
};