题号：122. 买卖股票的最佳时机 II
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：
网络异常，图片无法展示|“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。
