力扣122（贪心＋线性DP）

题目要求：

整体思路一：贪心算法

抓住一点，记录前序点，只要降价就卖，并且再次买入，只要涨价就等下一天，暂时不卖，就可以了。

具体代码一

class Solution {
public:
	int ans = 0;
	int pre = -1；／／前序节点
	int mins = 1 << 30;／／最低价
	int temp_ans = 0;
	int maxProfit(vector<int>& prices) {
		for (int i = 0; i < prices.size(); i++) {
			if (prices[i] < pre&&pre != -1) {／／发生降价
				mins = prices[i];
				ans += temp_ans;
				temp_ans = 0;
			} 
			else if (pre == -1) {
				mins = prices[i];／／第一个节点要更新最小值
			}
			else {
				temp_ans = prices[i] - mins;／／涨价
			}
			pre = prices[i];／／每次更新前序节点
		}
		ans += temp_ans;／／防止最后一次涨价后，少计算一次收益
		return ans;
	}
};

（所有代码均已在力扣上运行无误）

经测试，该代码运行情况是(经过多次测试所得最短时间)：

时间复杂度：O(N) ：只需要遍历一遍数组即可

整体思路二：DP算法

1、博主在做这个题的时候出现了一个问题，将线性DP，区间DP，背包DP弄混了，咱们先说说咋区分它们：
<1>背包DP：这个最好判断，他最明显的特征是会给出一个限制，比如给0-1背包给一个最大的背包容量，或者采草药问题那种给一个时间限制，在这个限制之上，我们求解最大效益值，这是最明显的特征，其次会给出两组队列，这是第二个特征。有了他们两个特征作为判断，我们就可以较为轻松的判断出来背包问题。0-1背包+完全背包以及优化见我的博客背包问题
<2>线性DP，这种DP最明显的特征是给出一个线性序列，没有限制，但是要求我们在一个线性队列上操作（这个是最重要的特点），一般只要从前到后处理一遍就行了（并不全是这样），这一类的都可以归为线性DP，博主找到了另一位博主总结的经典线性DP合集，线性DP，肥肠滴银杏。
<3>区间DP：我们要在一个区间上求得最优值，区间不一定要以谁为起点，我们仅仅可以确定区间长度，区间的起点终点都不一定是谁，（这里明显的区别于线性DP）不断地由小到大枚举区间长度，大区间由小区间推出来，枚举所有可能的区间详见关路灯+石子合并
（这些只是个人目前的理解，这些只是可以帮我们更快速的确定解题思路，但一定还是要具体问题具体分析！有错误希望大家指出，谢谢）
２、再回到这题，我们很明显发现，给了一个序列，表示股价在每一天是多少，日子只能从前到后的过，每一天面临着是买入股票还是卖出股票，并且只能先买再卖，买入股票花钱，效益值为负，卖出股票效益值为正。
３、故综合上方分析：今天的状态只由昨天决定，明确的线性结构

具体代码２.１

１、这个版本没有空间优化
２、就两个状态，日子从前到后的过，所以第一维度ｉ表示处理到谁了，每一天０没有股票，１持有股票。所以第二维ｊ是否持有股票。
３、初始化时候，第一天占有股票，花钱了，资产为负（-prices[0]），第一天不占有股票，不花钱，资产为０.
４、状态转移：
<１>第i天不占有股票，由第i-１天占有（说明卖了，额外多得 prices[i]）或者不占有股票转移而来
<２>第i天占有股票，由第i-１天占有或者不占有（说明买了，额外少得 prices[i]）股票转移而来
５、找答案时候就是最后一天占有或者不占有二者取最大值即可。

class Solution {
public:
	int num = 0;
	int dp[30000][2] = {};//日子一天一天过，每一天我都可以买股票卖股票
	int maxProfit(vector<int>& prices) {
		num = prices.size();
		dp[0][0] = 0;//0代表不持有股票
		dp[0][1] = -prices[0];
		for (int i = 1; i < num; i++) {
			dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
			dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
		}
		return max(dp[num - 1][0], dp[num - 1][1]);
	}
};

（所有代码均已在力扣上运行无误）

经测试，该代码运行情况是(经过多次测试所得最短时间)：

具体代码２.２

１、开启空间优化：这个就像０－１背包问题似的，起始地一维没啥用，我就是按照线性顺序处理，所以第一维干掉就行，然后存在一个上一个状态数据被覆盖的问题，我们只需要题前拿出来存储一下就行了。
２、别的分析和上面一样。

class Solution {
public:
	int num = 0;
	int dp[2] = {};//日子一天一天过，每一天我都可以买股票卖股票
	int maxProfit(vector<int>& prices) {
		num = prices.size();
		dp[0] = 0;//0代表不持有股票
		dp[1] = -prices[0];
		for (int i = 1; i < num; i++) {
			int one = dp[0];／／老状态题前存
			int two = dp[1];
			dp[0] = max(one, two + prices[i]);
			dp[1] = max(two, one - prices[i]);
		}
		return max(dp[0], dp[1]);
	}
};

（所有代码均已在力扣上运行无误）

经测试，该代码运行情况是(经过多次测试所得最短时间)：

具体代码２.３（错误版）

我最开始走上了歪路，就想着用区间DP去解，在分析过后，用二维i，ｊ分别表示区间起点终点，并且只能起点买终点卖（根据题意），大的区间由小区间转移而来，在众多小区间中找最值，最后如果能在区间首尾买卖，则再次比较一下就行。

class Solution {//错误版本，数据量太大，这个栈溢出了
public:
	int num = 0;
	int dp[30000][30000] = {};／／这里会爆炸
	int maxProfit(vector<int>& prices) {
		num = prices.size();
		for (int l = 1; l < num; l++) {
			for (int i = 0, j; i + l < num; i++) {
				j = i + l;
				for (int k = i; k < j; k++) {
					dp[i][j] = max(dp[i][j], dp[i][k] + dp[k + 1][j]);／／枚举小区间，找到小区间使之和最大
				}
				if (prices[i] < prices[j]) {
					dp[i][j] = max(dp[i][j], prices[j] - prices[i]);／／如果区间首尾可以买卖，再次判断
				}
			}
		}
		return dp[0][num - 1];
	}
};

错误之处：
１、这个题他给的序列只能从前到后，当前状态就是从上一个转移过来，区间DP就会疯狂的枚举一大堆没用的根本用不上的区间，复杂度太高了。
２、数据量太大了，题目测得数据很严格，光开二维数组就栈溢出了。
３、综上它并不适合区间DP。

时空复杂度：