1.贪心算法

1.1贪心算法与背包问题的区别

贪心算法能够通过局部最优去推出全局最优，而背包问题不行，需要用动态规划的方法来解决。

1.2套路

贪心算法没有套路！！

主要想清楚怎么得到该阶段的局部最优解，如何通过局部最优解得到全局最优解，如果举不出反例就可以了。

2.leetcode刷题

2.1第121题-买卖股票的最佳时机

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。

你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。

返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

示例 1：

输入：[7,1,5,3,6,4]
输出：5
解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5 。注意利润不能是 7-1 = 6, 因为卖出价格需要大于买入价格；同时，你不能在买入前卖出股票。

class Solution(object):def maxProfit(self, prices):""":type prices: List[int]:rtype: int"""# 贪心算法# 局部最优解推出全局最优解# 记录最大价格和最小价格的索引，记录局部最大利润# 如果局部最大价格索引大于局部最小索引，更新索引，局部最大利润也更新max_profit = 0min_ind = -1max_ind = -1for i in range(1,len(prices)):if prices[i] > prices[i-1]:temp = prices[i]-prices[i-1]if min_ind == -1:min_ind = i-1else:if prices[i-1] < prices[min_ind]:min_ind = i-1if max_ind == -1:max_ind = ielse:if prices[i] >= prices[max_ind]:max_ind = iif max_profit < temp:max_profit = tempif max_profit < prices[i]-prices[min_ind]:max_profit = prices[i]-prices[min_ind]return max_profit