122.买卖股票的最佳时机II

122.买卖股票的最佳时机II

解题思路：

贪心法（每次计算prices[i]-prices[i-1]的利润，大于0则相加）

动态规划

package leadcode;

/**
 * @author : icehill
 * @description : 买卖股票的最佳时机II
 * 给定一个数组 prices ，其中 prices[i] 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: prices = [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: prices = [1,2,3,4,5]
 * 输出: 4
 * 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
 *      注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。
 * 示例 3:
 * 输入: prices = [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-ii
 * 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：（一开始是我想多，想着动态规划来求解）
 * 1.贪心法
 * 如果prices[i]>prices[i-1]，则把差价加入到总利润中
 * 遍历一遍数组，最终total就是最大利润
 * 为什么这样正确呢，因为假设在1天买入，第2天卖出，第3天prices[2]又比prices[1]高，
 * 这个时候total+=prices[2]-prices[1]，相当于我们以第3天，prices[2]的价格卖出，所以这样算在单调递增序列是对的
 * 如果是{2,3,5,4,8,6,6,4}这种情况呢，5之后是下降，然后又是上升
 * 8明显比5大，如果是2买入，8卖出，感觉看起来比，2买入5卖出，4买入，8卖出要多？
 * 其实不会的，通过画图可以看出，5=>4这段折线，在y轴方向上是比单调上升曲线要大的
 * （我们统计的利润，实际上就是y轴两个点之间的高度差）所以贪心算法最终结果就是最优解。
 * 时间复杂度：O(n)，其中 n 为数组的长度。我们只需要遍历一次数组即可。
 * 空间复杂度：O(1)。只需要常数空间存放若干变量。
 * 2.动态规划
 * 时间复杂度：O(n)，其中 n 为数组的长度。一共有 2n 个状态，
 * 每次状态转移的时间复杂度为 O(1)，因此时间复杂度为 O(2n)=O(n)。
 * 空间复杂度：O(n)。
 * @date : 2021-05-02
 */
public class Solution122 {
    public static void main(String[] args) {
        Solution122 solution122 = new Solution122();
        int[] prices = {7, 1, 5, 3, 6, 4};
        System.out.println(solution122.maxProfit(prices));
    }

    /**
     * 贪心法
     *
     * @param prices
     * @return
     */
    public int maxProfit(int[] prices) {
        int total = 0;
        for (int i = 1; i < prices.length; i++) {
            if (prices[i] > prices[i - 1]) {
                total += prices[i] - prices[i - 1];
            }
        }
        return total;
    }
}