本文共 1167 字，大约阅读时间需要 3 分钟。

题号：

        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。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入: [7,1,5,3,6,4]

输出: 7

解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。

     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

 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。

题意解读：

• 从第一天到最后一天，不错过每一次隔天的上涨
• 每次买完股票，第二天就出售掉
• 只要明天股票价格比今天高，今天就买入
• 买入和出售可以发生在同一天

解题思路：

对比后一天的价格，高于前一天价格，就卖出，当天买入

//贪心算法func maxProfit(prices []int) int {	// 设置当前收益为0	var max = 0	//假设从第二天开始买入，	for i := 1; i <= len(prices); i++ {		//当天价格高于前一天，就卖掉		if prices[i] > prices[i-1] {			max += prices[i] - prices[i-1]		}	}	return max}

 拓展：

 “贪心算法” 在每一步总是做出在当前看来最好的选择。

因此:

“贪心算法” 和 “动态规划”、“回溯搜索” 算法一样，完成一件事情，是分步决策的；

“贪心算法” 在每一步总是做出在当前看来最好的选择，我是这样理解 “最好” 这两个字的意思：

“最好” 的意思往往根据题目而来，可能是 “最小”，也可能是 “最大”；

贪心算法和动态规划相比，它既不看前面（也就是说它不需要从前面的状态转移过来），也不看后面（无后效性，后面的选择不会对前面的选择有影响），因此贪心算法时间复杂度一般是线性的，空间复杂度是常数级别的。

这道题 “贪心” 的地方在于，对于 “今天的股价 - 昨天的股价”，得到的结果有 3 种可能：（1）正数（2）0（3）负数。

贪心算法的决策是：只加正数。

❤如果文章对您有所帮助，就在文章的右上角或者文章的末尾点个赞吧！(づ￣ 3￣)づ 

❤如果喜欢大白兔分享的文章，就给大白兔点个关注吧！(๑′ᴗ‵๑)づ╭❤～

❤对文章有任何问题欢迎小伙伴们下方留言或者入群探讨【群号：708072830】

❤鉴于个人经验有限，所有观点及技术研点，如有异议，请直接回复讨论(请勿发表攻击言论)

转载地址：https://luoyong.blog.csdn.net/article/details/108470400 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！