说实话，我只知道一个关于动态编程的概念。有时我不知道动态编程的算法，所以我试着用一种流行的方式来讨论它。
动态规划的一个条件是，问题可以分为同一类问题，这是类似于递归算法。它也注意到，如果该子问题的最优解是重要的，那么问题的解是最优的（如果有错误欢迎）校正。
解决这个问题有两种方法。第一个是寻找峰值和波谷，这对于主题来说太低效了，所以只需谈论一下想法。
第一思路
如上图所示，峰谷差是交易中可以获得的利润。比较每一个值，可以得到峰值和谷值之间的最大差值，即最大利润值。这里有一个简单的方法来找到槽峰：第一时刻，下降趋势转为上升趋势是低谷，而第一时刻，上升趋势转为下降趋势的高峰。但在这种情况下，我们必须注意处理各种特殊情况。逻辑判断的嵌套顺序是非常重要的，因此不推荐这种方法。
其次是第二种思维方式，即动态规划方法。第一粘贴代码：
类解{
公众：
Int maxProfit（向量<int>价格）{
如果（Prsiess）（空）返回0；
向量<int>生长；
对于（int i＝0；i＜psisies）（1）；++i）
增长率（价格（I+1）-价格<I>）；
最大利润＝0；
INT利润＝0；
对于（int i＝0；i<成长ths（）；++i）{
如果（利润+增长<I>＞0）
利润=增长[I]；
否则
利润＝0；
如果（利润大于最大利润）
利润最大化=利润；
}
返回最大利润；
}
}；
理解算法，我们首先需要明确的是，买和卖可以分为购买和销售连续几天。例如，在购买和出售的第一天，在第三天可以分为在第一天买的，第二天出售，购买第二天销售在第三天。我们把第一天的价格设为MI，利润可以分为（M2-M1）+（M3-M2）（M3-M1）。
在此基础上，我们可以得到该算法的主要步骤：首先，我们分裂的买进和卖出的每一天所有的利润，然后不断地把这些利润。让我们把M（i＋1）m i的值设为AI，然后连续的AI就是我们想要的最大利润。
现在的问题是，我们如何得到这段sigma ai？现在我们再从AP到AQ，让P<问我，有三种情况：如果我是积极的，那么AI通过这种方式得到的一定是利润最大的时期是从P到Q；如果爱是消极的，那么我们无论我们怎么买它亏钱，因为价格一直下降；如果AI是假定IVE或负数，然后让我们设置J来做AP+A（P+1）+…+AJ＜0，如下图所示。
第三种情况
所以我们可以得出结论，如果利润最大化是[P+（P+1）+]+（j+1）+AQ，显然由于动态规划的知识，甚至连最基本的知识，我们知道，如果这是利润最大化，一个（J+1）+（j+2）+AQ显然会更大，所以如果和积累。负值出现，然后从零开始记录（不影响历史的最大累积总和）。