动态规划|121. 买卖股票的最佳时机

力扣题目地址

---

前言：
题目很简单，如果只是为了做出这道题，那么有更简单理解的方法，例如贪心，但是这个题目是股票买卖系列的第一道题目，除了做出来之外，还可以通过这道题练习股票买卖系列中所使用的动态规范算法。毕竟一步一步来，从简单题慢慢过渡到困难题比上来直接做困难题要容易一些。目标是攻克股票买卖系列的困难题，因此对于简单题也要重视的去分析与学习。

这道题题目的要求是只能买卖一次，求得盈利的最大值。如果暴力去做，很简单，就是每个点都作为买点，然后该点后的每个点都作为卖点，计算盈利，然后维护一个max即可。暴力可能太慢，适度优化一下也可以：维护一个最小值，不断计算盈利，然后维护一个最大值，这样一次遍历就能求得max。但是这样做明显对于练习动态规划而言没有帮助。

---

动态规划做法

由于我不是计算机/数学的天纵奇才或者大罗神仙，没法凭空想出一些绚丽的转移方程，然后一步优化到位，因此我只能通过简单的做法一步一步蚕食这道题目。
由于标签中说这道题可以用动态规划去做，那么根据动态规划题目的规律，最后的答案肯定是dp[i]之类的，这个i大概率是天数，也就是维护第i天的最大盈利。因此我只要从第1天一直推到最后一天就可以获得题目的答案。那么问题来了，我该如何从第i天推导到第i+1天呢？或者是从前面的哪一天推导到第i天。

我发现对于一只股票，我只有两种状态，持有或者不持有，这个怎么利用呢？不太清楚，暂时搁浅。我先随便定义一下dp[i]状态的一些属性：
集合：截止第i天时，所有买卖的盈利情况
属性：集合中的盈利最大值

{3,4,6,5} 这个情况，当i=1时，集合就是{0,-1}，最大值为0，也就是说dp[1]=0.

那么该如何转移过来呢？
上面讲到了，对于i天，只有两种状态——持有股票或者不持有，因此将dp[i]扩展一下，扩展成dp[i]{0,1}，dp[i][0]代表第i天不持有股票时的最大收益，dp[i][1]代表第i天持有股票时的最大收益。稍作分析可得转移方程
$$dp[i][0]=max(dp[i-1][0],dp[i][1]+[i])$$ $$dp[i][1]=max(dp[i-1][1],dp[i][0]-[i])$$
由于本题中只能买卖一次，因此在第二个转移方程中dp[i][0]==0。转移方程如下：$$dp[i][0]=max(dp[i-1][0],dp[i][1]+[i])$$ $$dp[i][1]=max(dp[i-1][1],-[i])$$

Java实现代码如下：

class Solution {
    public int maxProfit(int[] prices) {
        /*
            状态dp
        */
        int n = prices.length;
        int[][] dp = new int[n+1][2];//j∈{0,1}，0代表不持有股票，1代表持有股票
        dp[0][0] = 0;
        dp[0][1] = -prices[0];//持有股票时
        for(int i = 1; i < n; i++){
            dp[i][0] = Math.max(dp[i-1][0],dp[i-1][1] + prices[i]);
            dp[i][1] = Math.max(dp[i-1][1],-prices[i]);//原本应该为dp[i-1,0]-[i],但由于只能买卖一次，dp[i-1,0]恒为0
        }
        
        return dp[n-1][0];
    }
}