力扣题解-121. 买卖股票的最佳时机（动态规划）

题目：121. 买卖股票的最佳时机

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

如果你最多只允许完成一笔交易（即买入和卖出一支股票一次），设计一个算法来计算你所能获取的最大利润。

注意：你不能在买入股票前卖出股票。

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: [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。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

题解

分析

由于只允许完成一次交易（买入和卖出），因此直接穷举遍历每一种可能的交易，然后求出所有交易的最大利润。

具体的以[7,1,5,3,6,4]为例，遍历所有可能执行卖出的天数（第一天不能卖出），然后找出价格最低的买入天数，即可得到最大利润：

执行卖出的天数i	价格最低的买入天数j	最大利润prices[i]-prices[j]
2	1	1 - 7 = -6
3	2	5 - 1 = 4
4	2	3 - 1 = 2
5	2	6 - 1 = 5
6	2	4 - 1 = 3

这里需要两层循环。第一层循环遍历所有的卖出天数i，第二层循环查找前i天内价格最低的天数j，最大利润为prices[i]-prices[j]。

由于需要两层循环，上述方法时间复杂度为$\Theta (n^2)$；

由于只用到循环变量和一个变量存储最大利润，则空间复杂度为$\Theta (1)$。

动态规划

利用动态规划的思想来降低时间复杂度。

可以看到，上述分析中，第二层循环查找的是前i天内价格最低的天数。

状态定义

$n=prices.size()$

定义$dp1[0,1,\cdots ,n-1]$，$dp1[i]$表示前$i$天的最低价格。

定义$dp2[0,1,\cdots ,n-1]$，$dp2[i]$表示第$i$天卖出时获取的最大利润。

转移方程

$dp1[i]=min(dp1[i-1],prices[i])$

$dp2[i]=prices[i]-dp1[i-1]$

边界条件

$dp1[0]=prices[0]$

$dp2[0]=0$

最优解

$ans=max(dp2[i])，i=0,1,2,\cdots ,n-1$

复杂度分析

由于只有一个循环变量，因此只需要遍历一次即可，时间复杂度为$\Theta (n)$

申请了两个长度为$n$的数组$dp1,dp2$，空间复杂度为$\Theta (n)$

动态规划实现了以空间换时间的思想。

空间复杂度的改进

分析状态转移方程可以发现，状态$dp1[i]$和$dp2[i]$只与前一个状态和当前循环变量$prices[i]$有关。

因此，可以进一步降低空间复杂度到$\Theta (1)$级别。

代码

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        if (n == 0) {
            return 0;
        }
        int ans = 0;//第i天卖出时的最大利润
        int low = prices[0];//前i-1天的最低价格
        for (int i = 1; i < prices.size(); i++) {
            ans = max(ans, prices[i] - low);
            low = min(low, prices[i]);
        }
        return ans;
    }
};