算法打卡Week16

题目：买卖股票最佳时期
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

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；同时，你不能在买入前卖出股票。

思路：运用动态规划
首先明确动态规划的步骤
1、明确dp(i)或者dp(i)(j)代表什么；
2、根据dp(i)和dp(i-1)关系推导状态转移方程；
3、明确起始值。

根据本题题意，我们可以分为两种情况（二维）
dp[i][j]：表示在第i天，手上持股状态为j时候，持有的盈利数
j = 0表示未持股
j = 1表示持股

dp[i][0]：表示今天不持股，有以下两种情况：
1、昨天未持股，今天无操作
2、昨天持股，今天卖出

dp[i][1]：表示今天持股，也有以下两种情况：
1、昨天持股，今天无操作
2、昨天未持股，今天买入（PS：因为题意说只能交易一次，所以手上的盈利数为当天股价的相反数）

class Solution(object):
    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """
        siez = len(prices)
        dp = [ [0, 0] for _ in range(size) ]
        dp[0][0] = 0
        dp[0][1] = -prices[0]
        for i in range(1, size):
        	dp[i][0] = max(dp[i-1][0], dp[i-1][1] + -prices[i])
        	dp[i][1] = max(dp[i-1][1], -prices[i])
        return dp[size-1][0]

代码优化：
因为明天的盈利数只与今天的盈利数有关系，所以可以去除列表存储数据

class Solution(object):
    def maxProfit(self, prices):
        """
        :type prices: List[int]
        :rtype: int
        """
        size = len(prices)
        dp0 = 0
        dp1 = -prices[0]
        for i in range(1, size)：
        	dp0 = max(dp0, dp1 + prices[i])
        	dp1 = max(dp1, -prices[i])
        return dp0