0122.买卖股票的最佳时机 II
难度：🟢 简单
标签：数组、贪心、动态规划
题目描述
给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。
在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。
返回 你能获得的 最大 利润 。
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 。
总利润为 4 + 3 = 7 。
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。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 。
解题思路
核心思想
本题的核心是采用 贪心策略。由于交易次数不受限制，我们可以将总利润分解为一系列微小的利润。只要今天的价格比昨天高，我们就可以认为完成了一笔“昨天买入，今天卖出”的交易，并把这部分正利润累加到总利润中。
思路选择
贪心算法 是解决此问题的最优思路。 我们可以将一段连续上涨的交易，例如从第 i 天买入，第 j 天卖出，其总利润为 prices[j] - prices[i]。这个总利润可以被分解为每天的利润之和：(prices[i+1] - prices[i]) + (prices[i+2] - prices[i+1]) + ... + (prices[j] - prices[j-1])。
因此，我们不需要考虑复杂的买入卖出时机，只需要捕捉所有价格上涨的区间，将这些“上坡”的利润全部加起来，就是能获得的最大总利润。
关键步骤
初始化：初始化总利润
maxProfit = 0。循环遍历：从第二天（索引
i = 1）开始遍历价格数组。判断利润：比较第
i天的价格和第i-1天的价格。 a. 如果prices[i] > prices[i-1]，说明价格上涨，存在正利润。 b. 将这个正利润prices[i] - prices[i-1]累加到maxProfit中。返回结果：遍历结束后，
maxProfit中存储的就是能获得的最大总利润。
代码实现
/**
* @param {number[]} prices
* @return {number}
*/
var maxProfit = function (prices) {
let maxProfit = 0;
// 从第二天开始遍历
for (let i = 1; i < prices.length; i++) {
// 如果今天的价格高于昨天，就累加利润
if (prices[i] > prices[i - 1]) {
maxProfit += (prices[i] - prices[i - 1]);
}
}
return maxProfit;
};
复杂度分析
时间复杂度：O(n) 其中 n 是数组
prices的长度。我们只需要对数组进行一次完整的遍历。空间复杂度：O(1) 我们只使用了
maxProfit等常数个额外变量，空间消耗是恒定的。
相关题目
总结
本题是贪心算法的一个经典应用。通过将问题分解为“捕获所有上涨区间的利润”，我们得到了一个非常简洁且高效的解决方案。这个思路看似简单，但其背后是对利润可分解性的深刻理解，是解决一系列股票问题的基础。