Leetcode买卖股票的最佳时机算法与分析

@Leetcode买卖股票的最佳时机

来到一道比较基础的题，那么问题来了，你会用什么方法求解呢？请看题干：

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。

小白笔者选择首先使用一个最为暴力的遍历算法完成求解，请看代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.empty())
            return 0;
        int maxw=0;
        for(int i=0;i<prices.size();i++){
            for(int j=i+1;j<prices.size();j++){
                maxw=(maxw>(prices[j]-prices[i]))?maxw:(prices[j]-prices[i]);
            }
        }
        if(maxw>0)
            return maxw;
        else
            return 0;
    }
};

虽然这个暴力的双层循环确实能够通过，但是这个执行用时也是让笔者十分伤脑筋。方法思路简单，我挨个比较差值，只要有更优的情况就将答案更新，特殊情况无非股票一直跌和压根没有股市情况两种，只要特判一定可以解决，那么如何减少时间消耗才是coder们应该关心的问题。

思来想去，由于太菜没得出结果，看了看官方题解，豁然开朗。请看方法二代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        if(prices.empty())
           return 0;
        int minw=prices[0];
        int maxw=0;
        for(int i=0;i<prices.size();i++){
            if(minw>prices[i])
                minw=prices[i];
            else if(prices[i]-minw>maxw)
                maxw=prices[i]-minw;
        }
        return maxw;
    }
};

原本O(n²)的复杂度在不经意间用一个小方法降到了O(n)，耗时快了不止100倍。这里使用到了一个简单的动态规划的思想：首先我们明确要找到的是一个差距最大的波峰和波谷的差值，那么最开始时这个差值的最低点肯定是第一天的价格，之后如若还有更低的最低谷值自然可以更新，毕竟需要随时保持最低的时候买入（仅一次交易），最高峰值与其的差值则另开辟一个空间存储并在每次循环的时候更新，这个思路可以在一遍遍历的时候就完成算法。

那么这时会出现一个问题：如果最大的差距出现得比最低的谷值要早该如何判断？我们可以发现，当已经判断出了最大的利润时，虽然最低的谷值确实还是在循环之中被更新，但这并不影响到最终的答案。在最大差距被找到之前，谷值是可以一直保持更新状态的，因为无论峰值多高，谷值一定越低越好，即使发现最后minw的谷值不会产生峰值的利润作为答案，但是之前所保存的maxw也一定满足当前情况下的最低谷值和峰值的差距，故本算法并无问题。

股票问题一套总共有六题，这只是其中的第一个，也是最容易的一个，笔者深感此类问题棘手，希望各位大佬多多指点共同进步！