动态规划---1.买卖股票的最佳时机 2.最大子序和

1.买卖股票的最佳时机

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 。

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；同时，你不能在买入前卖出股票。

示例 2：

输入：prices = [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。

提示：

• 1 <= prices.length <= 105
• 0 <= prices[i] <= 104

分析：

dp[i][0] 意为第i 天及之前卖出股票所得最大利润；
dp[i][1] 意为第i 天及之前买入的股票的最小花费；

dp[i][0]有两种选择：

转移公式为：dp[i][0] = Math.max(dp[1 - 1][0],dp[i - 1] + prices[i])

最优解是之前某天卖出，利润更高，选择dp[i - 1][0];
最优解是今天卖出，利润更高，选择（之前某天买入的股票的最小花费 + 今天卖出所得的利润），即dp[i - 1][1] + prices[i];

dp[i][1]有两种选择：

转移公式为：dp[i][1] = Math.max(dp[1 - 1][1], -prices[i])

最优解是之前某天买入，股票更便宜，选择dp[i - 1][1];
最优解是今天买入，股票更便宜，由于只能买入一次，今天买入，之前就不存在买入卖出行为，所以选择-prices[i];

代码如下：

class Solution {
    public int maxProfit(int[] prices) {
        if(prices == null){
            return 0;
        }
        int len = prices.length;
        //定义二维数组
        int[][] dp = new int[len][2];
        //边界条件
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        for(int i = 1; i < len; i++){
            //转移公式
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1]+prices[i]);
            dp[i][1] = Math.max(dp[i-1][1],-prices[i]);
        }
        //最后股票是一定要卖掉的
        return dp[len-1][0];
    }
}

2.最大子序和

给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

子数组 是数组中的一个连续部分。

示例 1：

输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。

示例 2：

输入：nums = [1]
输出：1

示例 3：

输入：nums = [5,4,-1,7,8]
输出：23
 

提示：

1 <= nums.length <= 105
-104 <= nums[i] <= 104
 

动态规划：

class Solution {
    public int maxSubArray(int[] nums) {
        int len = nums.length;
        int prev;
        //确定边界
        prev = nums[0];
        int max = prev;
        for(int i = 1; i < len; i++){
            //转移公式
            prev =  Math.max(prev,0)+nums[i];
            //保存最大值
            max = Math.max(prev,max);
        }
    return max;
    }
}