leetcode121：买卖股票的最佳时机Ⅰ（贪心思想入门）

一、 题目描述

给定一个数组 prices，其中 prices[i] 是第 i 天的股票价格

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出这只股票

设计一个算法来计算你所能获取的最大利润。如果你不能获取任何利润，返回 0

示例:

示例 1:

输入：prices = [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：不能在第 1 天（股票价格 = 7）买入，然后第 1 天卖出

示例 2:

输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 没有交易能获得利润，所以返回 0

二、 核心思路：贪心策略 - 维护最低买入价

要获得最大利润，我们肯定希望在价格最低的时候买入，在价格最高的时候卖出。但关键在于，买入必须发生在卖出之前。对于只允许进行一次交易的情况，我们不需要考虑复杂的波峰波谷匹配，而是可以采用一种非常直接的贪心策略：

1. 遍历每一天的价格：对于每一天 prices[i]，我们都假设它可能是我们卖出的日子
2. 寻找最佳买入价：如果 prices[i] 是卖出日，那么为了最大化利润，我们必须在 i 之前的日子里，找到一个最低的买入价格
3. 更新最大利润：计算 prices[i] 减去这个最低买入价格的差值，并与之前记录的最大利润进行比较，取较大者
4. 实时更新最低买入价：在遍历过程中，我们始终维护一个变量 prevMin，记录到目前为止遇到的最低股票价格。这样，当处理 prices[i] 时，prevMin 就代表了 i 之前（包括 i 自己）的最低买入价

这个策略之所以是贪心的，是因为在每一步，我们都只关心当前能够获得的最大利润，并实时更新历史最低价格，而不需要回溯或考虑未来的趋势

三、 贪心算法的扩展介绍

贪心算法（Greedy algorithm）通常用于优化问题，其中需要在一组可能的选择中选择最佳解决方案，以最大化或最小化某个目标函数。贪心算法基于当前情况下的最佳选择，而不关心全局的最优解。在每一步，贪心算法都选择当前情况下的最佳选择，并且不会回回头更改之前的选择

特色：

1. 局部最佳选择：贪心算法选择的是 局部最优 选择，即在每一步都尽量达到最有利的结果，而不考虑全局最优解
2. 无回头修改：一旦贪心算法做出了选择，就不会回头更改。这意味着它不考虑之前的决策对未来决策的影响
3. 适用性：贪心算法适用于具有最佳子结构性质和无后效性的问题
4. 效率：贪心算法通常具有较低的计算成本和更快的执行速度
5. 不保证最优解：贪心算法不保证找到全局最优解，因为它忽略了全局的考虑

总之，贪心算法是一种简单而有效的解决问题方法，特别适用于某些问题，其中局部最佳选择能够导致全局最优解。然而，它不适用于所有问题，且无法保证最优解，因此在应用时需要谨慎考虑问题特性和要求

在本题中，贪心策略是：在每一天，我们都尝试用当前遇到的最低价格买入，然后用当天的价格卖出，计算这个潜在利润。
由于我们只允许一次交易，且买入必须在卖出之前，这个局部最优选择（即“用当前最低价买入，用当前价卖出”）的累计最大值，最终就是全局最优解

四、 最佳实践：代码实现与深度解析

一种贪心思想的代码实现：

class Solution {
    public int maxProfit(int[] prices) {
        // ans 用于记录到目前为止的最大利润，初始为 0
        int ans = 0;
        // prevMin 用于记录到目前为止的最低股票价格，初始为第一天的价格
        int prevMin = prices[0];
      
        // 从第二天开始遍历，因为第一天无法卖出
        for (int i = 1; i < prices.length; i++) {
            // 计算如果今天卖出，能获得的利润
            int todayProfit = prices[i] - prevMin;
          
            // 如果今天能获利 (todayProfit > 0)，则更新最大利润
            // 注意：这里是取最大值，而非累加，因为只能进行一次交易
            if (todayProfit > 0) {
                ans = Math.max(ans, todayProfit);
            }
          
            // 无论今天是否获利，我们都要更新 prevMin
            // prevMin 始终保持为到当前天 prices[i] 为止的最低价格
            prevMin = Math.min(prevMin, prices[i]);
        }
      
        return ans;
    }
}

提交结果：

五、 关键点与复杂度分析

• 贪心策略：核心在于维护一个 prevMin 变量，它代表了当前日期之前（包括当前日期）可以买入的最低价格
• 一次遍历：算法只需一次遍历数组，非常高效
• 时间复杂度：O(N) 其中 N 是 prices 数组的长度
• 空间复杂度：O(1) 只使用了几个常数级别的额外变量
• 与滑动窗口的关联：虽然我们没有显式地定义左右指针，但这个过程可以看作是一个特殊的滑动窗口。其中 prevMin 相当于窗口的左边界（买入点），prices[i] 相当于窗口的右边界（卖出点）。窗口的左边界会根据遇到的更低价格而向右“收缩”或“移动”

六、 小结与进阶

LeetCode 121 是一个入门级贪心算法问题，在某些情况下，通过局部最优的选择（即在每个可能的卖出点，都找到其之前的最低买入点），最终能够达到全局最优解

进阶：

下一题，基于“股票买卖问题”的进阶题目，同样基于贪心思想，只不过有些细微差别，难度上相差并不大，趁热打铁巩固练习