股票的最大利润

一、需求

• 假设把某股票的价格按照时间先后顺序存储在数组中，请问买卖该股票一次可能获得的最大利润是多少？

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。

限制：

0 <= 数组长度 <= 10^5

二、暴力法

2.1  思路分析

1. 看到最大利润，首先想到动态规划，结果渐渐整出了暴力法；
2. 假设现在有个数组dp[ i ][ j ]表示第 i 天买入，第j天卖出所获得的最大利润，通过对示例1枚举可以发现，dp[0][0] = 0，即第1天买入第1天卖出获得的利润，dp[0][1] = -6，dp[0][2] = -2，以此类推；
3. 我们可以利用双重循环来求第 i 天买入，第 j 天卖出的利润，我们使用max来更新最大利润；

2.2  代码实现

class Solution {
    public int maxProfit(int[] prices) {
        int max = 0;
        int n = prices.length;
        for(int i = 0; i < n; i++) {
            for(int j = i; j < n; j++) {
                int tmp = prices[j] - prices[i];
                max = Math.max(max, tmp);
            }
        }
        return max;
    }
}

2.3  复杂度分析

• 时间复杂度为，其中n为数组中元素的个数；
• 空间复杂度为O(1)；

三、动态规划

3.1  思路分析

1. 定义状态dp[ i ]表示以prices[ i ]为结尾的最大利润；
2. 那么状态转移方程为：dp[ i ] = Math.max(dp[i-1]，prices[i] - min{prices[0~i]})，其中min{prices[0~i]}表示0~i天中的最低价格，也就是说第 i 天所能获得的最大利润等于前 i - 1天获得的最大利润与第 i 日卖出利润的最大值之间的最大值；
3. 寻找前 i-1 天中的最小价格，即min{prices[0~i]}，需要O(i)的时间复杂度，为了优化它，在遍历prices过程中，使用变量记录最小价格；
4. 因为dp[ i ]只与dp[i-1]及prices[ i ]有关，因此可用变量进行迭代，无须再申请额外空间；

3.2  代码实现

class Solution {
    public int maxProfit(int[] prices) {
        int len = prices.length;
        int res = 0;
        int cost = Integer.MAX_VALUE;
        for(int price : prices) {
            cost = Math.min(cost, price);
            res = Math.max(res, price - cost);
        }
        return res;
    }
}

3.3  复杂度分析

• 时间复杂度为O(n)，n为数组元素的个数；
• 空间复杂度为O(1)；

四、学习地址

作者：Krahets

链接：https://leetcode-cn.com/problems/gu-piao-de-zui-da-li-run-lcof/solution/mian-shi-ti-63-gu-piao-de-zui-da-li-run-dong-tai-2/