【每日力扣35】买卖股票的zui佳时机

一、题目[LeetCode-121]

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 <= 10^5
• 0 <= prices[i] <= 10^4

二、思路

1)动态规划

在《Day2 买卖股票的最佳时机II》的动态规划法中，定义dp[i][0]表示第i天（i从0计）交易完成后手里没有股票的利润，dp[i][1]表示第i天（i从0计）交易完成后手里持有股票的利润。

则有状态转移方程

• dp[i][0] = max( dp[i-1][0], dp[i-1][1] + price[i] )
• dp[i][1] = max( dp[i-1][0] - price[i], dp[i-1][1] )

而本题也同理。然而需要作出改动。本题与《买卖股票的最佳时机II》的区别在于，在后者可以在这几天中买卖股票多次，而在本题只能买卖一次。对于dp[i][0]的状态转移方程dp[i][0] = max( dp[i-1][0], dp[i-1][1] + price[i] )，不用更改。但是对于dp[i][1]，因为我们限定 只能购买一次，因此在dp[i][1]之前，如果买了一次，我们在dp[i][1]只能取dp[i-1][1]，如果还没卖，那么dp[i][1]就是第一次购买，也是唯一一次购买，因此取-price[i]。

由此，得出dp[i][1] = max( -price[i], dp[i-1][1] )

初始条件：对于第一天，没有股票时，则说明没有购买，dp[0][0] = 0;

持有股票时，则说明恰好第一天购买了，dp[0][1] = -price[0];

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        vector<vector<int>> dp(n);
        for(int i = 0; i < n; i++)
            dp[i] = vector<int>(2);//创建动态规划转移方程的数组
        dp[0][0] = 0;
        dp[0][1] = -prices[0];//动态规划转移方程初始条件
        for(int i = 1; i < n; i++)
        {
            dp[i][0] = max(dp[i-1][0], dp[i-1][1] + prices[i]);
            dp[i][1] = max(prices[i] * -1, dp[i-1][1]);//由动态规划转移方程构建动态规划数组
        }
        return dp[n-1][0];//对于最后一天，显然dp[n-1][0]>dp[n-1][1]
    }
};

2)动态规划进一步优化

容易看出，对于上一思路构建的动态规划数组，我们只需要最后的dp[n-1][0]和dp[n-1][1]，而对于其他的区间段dp[0, n-1)[0]和dp[0, n-1)[1]，我们最终不需要，而它们会占用O(n)的存储空间。因此，可以进一步优化，不使用数组的形式实现，而是直接进行迭代！

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        int dp0 = 0;
        int dp1 = prices[0] * -1;//动态规划转移方程初始条件
        for(int i = 1; i < n; i++)
        {
            dp0 = max(dp0, dp1 + prices[i]);
            dp1 = max(prices[i]*-1, dp1);//根据状态转移方程进行n-1次迭代
        }
        return dp0;//对于最后一天，显然dp0>dp1
    }
};

三、官方题解（来源：力扣（LeetCode））

暴力法

我们需要找出给定数组中两个数字之间的最大差值（即，最大利润）。此外，第二个数字（卖出价格）必须大于第一个数字（买入价格）。

形式上，对于每组 i 和 j（其中 j>i）我们需要找出 max(prices[j]−prices[i])。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = (int)prices.size(), ans = 0;
        for (int i = 0; i < n; ++i){
            for (int j = i + 1; j < n; ++j) {
                ans = max(ans, prices[j] - prices[i]);
            }
        }
        return ans;
    }
};

作者：LeetCode-Solution
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/solution/121-mai-mai-gu-piao-de-zui-jia-shi-ji-by-leetcode-/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

复杂度分析

• 时间复杂度：O(n^2)。循环运行n(n-1)/2 次。
• 空间复杂度：O(1)。只使用了常数个变量。

四、学习心得

动态规划题的关键在于在实际问题中找出状态转移方程。如《Day2买卖股票的最佳时机I》和《Day35买卖股票的最佳时机II》的第i天结束后我“持有股票”和“没有股票”两种状态下的总利润与前一天第i-1天的状态的关系、《Day34爬楼梯》的爬至第n阶状态方法数与爬至第n-1阶状态和爬至第n-2阶状态方法数的关系。