leetcode 122.best-time-to-buy-and-sell-stock-ii 买卖股票的最佳时机 II python3

时间：2020-5-17

题目地址：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/description/

题目难度：Easy

题目描述：

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: [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: [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。

思路1：贪心算法。这道题起始一开始是想到一直找斜率为正的区间，想用一次遍历解决，没有联想到这就是差额为正。想了好久。

代码段1：通过

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

总结：

1. “贪心算法”每一步都做出当时看起来最佳的选择，也就是说，它总是做出局部最优的选择，并寄希望于这样的选择能够得到全局最优解。【算法导论】

2. 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。

3. 能用贪心算法就能用动态规划，但是这题用动态规划就杀鸡焉用宰牛刀了

4. 算法导论得抽时间再看看了

2020.10.15

思路1：把找斜率为正的区间，一次遍历解决写出来了

两种情况，prices[i] < prices[j] , 加上这次的增量，记录princes[j]的值为temp，往后找持续上升的，如果是上升，加上增量，temp++， j++，进行循环，开始下降时重置i，j的值为 就j, j++退出循环

prices[i] > prices[j] 时, i++ ，j++

代码段1：通过

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        i, j, res = 0, 1, 0
        while (j < len(prices) ):
            if prices[i] < prices[j]:
                res += prices[j] - prices[i]
                temp = j
                j += 1
                while(j < len(prices)):  
                    if prices[temp] > prices[j]:
                        i = j
                        j += 1
                        break
                    else:
                        res += prices[j] - prices[temp]
                        temp += 1
                        j += 1
            else:
                i += 1
                j += 1
        return res

总结：

1. 这代码完全硬写

思路2：一行python

代码段2：通过

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        return sum(b - a for a, b in zip(prices,prices[1:]) if a < b)

总结：

1. 这里就厉害了