代码随想录-240201-买卖股票的最佳时机

121. 买卖股票的最佳时机

题目

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

思路

1. 比较简单的思路就是穷举。穷举第i天买入后剩余size-i-1天卖出得到的最高利润。这样一共有size*(size-1)/2种情况，也就是O(n^2)。这种算法超时了，不予考虑。

2. 但是实际上第i天买入后，后续的最高价格是固定的，因此可以用一个数组来提前计算好。这种情况下，第一次记录最高价格需要n次循环，后续迭代只要得到买入时间i就可以得到最大利润。因此时间复杂度为O(n)，空间复杂度为O(n)。

   代码：

   class Solution {
   public:
       int maxProfit(vector<int>& prices) {
           vector<int> sold(prices.size());
           int temp=prices[prices.size()-1];
           for(int i=prices.size()-1;i>=0;i--)
           {
               if(temp<prices[i])
               {
                  temp=prices[i]; 
               }
               sold[i]=temp;
           }
           int maxp=0;
           for(int i=0;i<prices.size();i++)
           {
               if(sold[i]-prices[i]>maxp)
               {
                   maxp=sold[i]-prices[i];
               }
           }
           return maxp;
       }
   };
   

3. 更进一步，方法2是在遍历买入时间，而将卖出时间进行了存储，因此需要牺牲O(n)的空间进行存储。实际上可以遍历最低的买入时间，这种情况下可以一次迭代完成遍历，因此只需要O(1)的空间复杂度，仍然保持了O(n)的时间复杂度。

   代码：

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