面试题63. 股票的最大利润

这个题和买股票的最佳时机一模一样，所以题目和示例就不再陈述，这篇主要说一下动态规划解决这个问题。前面我们使用暴力法和滑动窗口的方式解决了这个问题，但是最好的思路是动态规划。

这个题目很简单，但是对我们理解动态规划很有帮助，碰到最优问题，或者是结果数组存在某些联系的问题，我们最应该先想到动态规划，因为它的本质是：

1. 求解最优结果，每次的最优结果通过状态转移方程不断计算得到。
2. 借助辅助空间，将每次的结果记忆化，降低时间复杂度。

那我们就看一下这个题目如何使用动态规划，首先考虑用数组状态，定义状态转移方程，是否可以优化空间：

1. 我们需要先选择一个最小的买入点，c=min(price[i],c)
2. 我们需要得到最大的利润，一个买出点存在多个利润，但我们需要最大的，所以我们用数组dp[i]保存第 i 天的最大利润。
3. 状态转移方程：就是思考如何用前一次的结果推导出现在的。那么第 i 天的利润是prices[i]-c，如果它小于dp[i-1]，表示第i-1天的利润更大，那么第i天的利润就是dp[i-1]。所以dp[i]=max(dp[i]-c，dp[i-1])。
4. 最后返回dp[i]即可，即到最后一天的最大利润。

我们先用示例看一下过程：示例：输入: [7,1,5,3,6,4] 输出: 5

那我们可以明显的看到dp[i]的结果，只和dp[i-1]，c有关，那么尝试去优化dp。
因为dp[i-1]每次保存的都是最大值，所以那么我们可以用一个变量代替dp[i-1]，我们定义为pro，pro=max(pro,dp[i]-c)，这也是优化后的转移方程，那么这个代码就很简单：

int maxProfit(vector<int>& prices) 
{
	if(!(prices.empty()))
	{
		int c=prices[0];//定义初始买入点
		int pro=INT_MIN;//初始利润最大值
		for(int i=0;i<prices.size();i++)
		{
			c=min(c,prices[i]);
			pro=max(pro,prices[i]-c);
		}
		return pro;
	}
	return 0;
	
}

其实写完代码，发现和滑动窗口的代码还挺像的，但是这两个思路还是有很大差异的，都是很重要的。

加油哦！💪。