买股票1---动态规划

动态规划第一步：确定dp数组以及下标的含义

因为本题中说明只进行一次买卖，即一次买一次卖，所以有dp【i】【0】和dp【i】【1】两种状态，dp数组大小为prices数组的大小。

• dp【i】【0】：第i天的第0种状态，而0代表手里已持有股票，虽然我持有，但我不一定是今天持有的，也可能是昨天持有，前天持有，只表面我现在持有股票。

• dp【i】【1】：第i天的第1种状态，而1代表手里未持有股票，同上所述；我可能是今天未持有，也可能是以前就未持有。

动态规划第二步，确定递推公式

dp【i】【0】以上所述，可以由两种情况演变而来：

• dp【i-1】【0】：由第i-1天状态推导而来，延续这个状态，即没有进行操作。

• -prices【i】：第i天进行了操作，购入股票，当前手里的现金为-prices【i】。

所以dp【i】【0】 =max（dp【i-1】【0】，-prices【i】） 

dp【i】【1】以上所述，可以由两种情况演变而来：

• dp【i-1】【1】：由第i-1天状态推导而来，延续这个状态，即没有进行操作。

• prices【i】：第i天进行了操作，卖出股票，当前手里的现金为dp【i-1】【0】+prices【i】，即前一天的现金加上今天卖出股票的现金。

所以dp【i】【1】 =max（dp【i-1】【1】，dp【i-1】【0】+prices【i】）

动态规划第三步，dp数组初始化

需要初始化的数据为dp【0】【0】，dp【0】【1】

dp【0】【0】= -prices【0】，0代表已持有，而现在的已持有不可能由i-1推出来，所以是购入prices【0】的股票。

dp【0】【1】，1代表未持有，第0天未持有表示没有盈利，现金为0。

动态规划第四步，确定遍历顺序

因为第i天的状态要由i-1天推导而来，所以是从前往后遍历。

动态规划第五步，打印dp数组（纠错）

完整代码如下：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int len = prices.size();
        if (len==0)   return 0;
        vector<vector<int>> dp(len,vector<int>(2));
        dp[0][0] -= prices[0];
        dp[0][1] = 0;
        for(int i=1;i<len;i++){
            dp[i][0] = max(dp[i-1][0],-prices[i]);
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i]);
        }
        return dp[len-1][1];
    }
};

时间复杂度O（n）

空间复杂度O（n）