经典的最大化股票利润问题涉及一个包含股票价格的数组，您需要返回可以获得的最大利润：
我理解给定股票报价最大化利润的逻辑。以一种简单的方式，我们可以保持运行最小值和运行max_so_far，并检查当前elem是否小于min或当前elem - 运行min大于max_so_far，如果是，我们更新max_so_far
我们最终返回我们的max_so_far，这是可以获得的最大利润。
现在，我们如何解决2枪策略的问题？基本上，你需要返回i0，j0，i1，j1，使得arr [j0] -arr [i0]和arr [j1] -arr [i1]之和最大，并且i0 我能够在某种程度上思考，但后来无法弄清楚我如何能够概括它。所以，第一，我可以获得包含所有max_so_far元素的单发解决方案数组。同样，我可以做一个类似的数组，但是从arr [n-1]开始到0.这告诉我今天是否必须卖掉，我可以获得的最大利润是多少。如果我在前向迭代中添加数组中的相应元素，并在后向迭代中添加数组，并且我从中获取max元素，那么这对应于max i0，j0，i1，j1 但有人可以先解释k shot算法的逻辑。我想我会想要了解如何将2镜头策略扩展到k镜头的k-shot策略。 感谢
答案 0 :(得分：0)
一个概括是保持2k + 1元素数组，其中j th 条目（从零开始计算）是j交易交替买卖后的最大现金。如果j是偶数，则下一笔交易是买入。如果j是奇数，则下一笔交易是卖出。
最初，数组为0，-inf，-inf，...，-inf（负无穷大意味着该条目不可行）。当下一个价格p进入时，按顺序更新索引2k，2k-1，...，1处的元素，如下所示。 2k的最佳交易是（i）前一个条目的最大值，表示2k个先前的交易（ii）2k-1加上p的条目，表示先前2k-1个交易，然后是p。 2k-1的最佳交易是（i）前一个条目的最大值，表示2k-1个先前交易（ii）2k-2减去p的条目，表示先前2k-2个交易，然后是p。继续交替加减。
我将把恢复买/卖时机的问题留作练习。