贪心算法
贪心算法是算法设计中的一种方法，算法的一种设计思想，期盼通过每个阶段的局部最优选择，从而达到全局的最优，结果并不一定是最优。
举例算法题一：分发饼干
假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。
对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。
示例 1:
输入: g = [1,2,3], s = [1,1]
输出: 1
解释:
你有三个孩子和两块小饼干，3个孩子的胃口值分别是：1,2,3。
虽然你有两块小饼干，由于他们的尺寸都是1，你只能让胃口值是1的孩子满足。
所以你应该输出1。示例 2:
输入: g = [1,2], s = [1,2,3]
输出: 2
解释:
你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出2.提示：
1 <= g.length <= 3 * 1040 <= s.length <= 3 * 1041 <= g[i], s[j] <= 231 - 1
解题思路：
- 局部最优：既能满足孩子，还消耗最少。
- 先将“较小的饼干”分给“胃口最小”的孩子。
解题步骤：
- 对饼干数组和胃口数组升序排序。
- 遍历饼干数组，找到能满足第一个孩子的饼干。
- 然后继续遍历饼干数组，找到满足第二、三、……、n个孩子的饼干。
解题答案：
var findContentChildren = function(g,s){
//升序排序
const sortFunc = function(a,b){
return a - b; //实现降序 b - a
}
g.sort(sortFunc);
s.sort(sortFunc);
let i = 0;
s.forEach(n => {
if(n >= g[i]){
i += 1;
}
});
return i;
}举例算法题二：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。提示：
1 <= prices.length <= 3 * 1040 <= prices[i] <= 104
解题思路：
- 前提：上帝视角，知道未来的价格。
- 局部最优：见好就收，见差就不动，不做任何长远打算。
解题步骤：
- 新建一个变量，用来统计总利润。
- 遍历价格数组，如果当前价格比昨天高，就在昨天买，今天卖，否组就不交易。
- 遍历结束后，返回所有利润之和。
解题答案：
var maxProfit = function(prices){
let profit = 0; //利润
for(let i = 1; i < prices.length; i += 1){
if(prices[i] > prices[i - 1]){ //当前价格大于昨天价格
profit += prices[i] - prices[i - 1]
}
}
return profit;
}
var prices = [7,1,5,3,6,4]
console.log(maxProfit(prices)) //7
var prices = [1,2,3,4,5]
console.log(maxProfit(prices)) //4
var prices = [7,6,4,3,1]
console.log(maxProfit(prices)) //0解题分析：
时间复杂度 有一个for循环 O(n) ，空间复杂度 O(1)。
