买卖股票的最佳时机

题目

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。

解题思路

理解题意

题目本质上是在求数组的最大差值，条件是较大的数字的数组下标要大于较小的数字。

暴力法

嵌套遍历，把数组中的每个数字都当做买入股票的时间，类似于握手问题，将该数字与它后面的所有数字作差，结果只保留最大值情况。

• 时间复杂度O(N²)
  内外循环，(N-1) × N / 2，N 表示数组的长度。
• 空间复杂度O(1)
  使用有限变量。

一次遍历

暴力法时间复杂度高，为降低时间复杂度，遍历一次数组，直接计算每次到当天为止的最小股票价格和最高利润。

注：我们希望以最小的股票价格买入 哪怕最小股票价格出现位置靠后不占优势，由于每次均保留最高利润，也不会影响最终的判断。

• 时间复杂度O(N)
  一次循环，N 表示数组的长度。
• 空间复杂度O(1)
  使用有限变量。

一维动态规划

与一次遍历相似，一次遍历是在一维动态规划方法上的简化，每次将最高利润保存到对应的 dp 数组中。

动态规划解题步骤

1. 明确 dp(i)，dp(i) 应该表示什么；
2. 根据 dp(i) 和 dp(i-1) 的关系得出状态转移方程；
3. 确定初始条件，如 dp(0)

• 空间复杂度变为O(N)

提交代码

暴力法

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        res = 0
        for i in range(len(prices)):
            for j in range(i + 1, len(prices)):
                res = max(res, prices[j] - prices[i])
        return res

结果： 超出时间限制

一次遍历

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        minprice = float('inf')
        maxprofit = 0
        for price in prices:
            minprice = min(minprice, price)
            maxprofit = max(maxprofit, price - minprice)
        return maxprofit

一维动态规划

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        if len(prices) == 0: return 0 # 边界条件
        dp = [0] * len(prices)
        minprice = prices[0] 

        for i in range(1, len(prices)):
            minprice = min(minprice, prices[i])
            dp[i] = max(dp[i - 1], prices[i] - minprice)

        return dp[-1]

学习总结

1. 正无穷的表示
   为了得到数组中最小，起初需要有一个正无穷的比较值，这样数组中任何一个被定义的元素均可在一开始作为最小值；
2. 动态规划一维情况的训练，解题步骤的每一项需要搞清楚，思路相比暴力来说更加条理。