給定一個陣列 prices ，它的第 i 個元素 prices[i] 表示一支給定股票第 i 天的價格。
你只能選擇 某一天 買入這隻股票，並選擇在 未來的某一個不同的日子 賣出該股票。設計一個演算法來計算你所能獲取的最大利潤。
返回你可以從這筆交易中獲取的最大利潤。如果你不能獲取任何利潤，返回 0 。
示例 1：
輸入： [7,1,5,3,6,4]
輸出： 5
解釋： 在第 2 天（股票價格 = 1）的時候買入，在第 5 天（股票價格 = 6）的時候賣出，最大利潤 = 6-1 = 5 。
注意利潤不能是 7-1 = 6, 因為賣出價格需要大於買入價格；同時，你不能在買入前賣出股票。
示例 2：
輸入： prices = [7,6,4,3,1]
輸出： 0
解釋： 在這種情況下, 沒有交易完成, 所以最大利潤為 0。
暴力法
寫兩層 for 迴圈，逐個比較，肯定能比出來，程式碼就不寫了。
時間複雜度：O(n2)
空間複雜度: O(1)
動態規劃
定義子問題
假設我們已經知道 i-1 個股票的最大利潤為 dp[i-1] ，顯然 i 個連續股票的最大利潤要麼是 dp[i-1] ，要麼就是 prices[i] - minprice （minprice 為前 i-1 支股票的最小值）。
狀態轉移方程
dp[i] = Math.max(dp[i-1], prices[i] - minprice)邊界條件
dp[0] = 0程式碼實現
因為我們在計算 dp[i] 的時候，只關心 dp[i-1] 與 prices[i] ，因此不用把整個 dp 陣列儲存下來，只需設定一個 max 儲存 dp[i-1] 就好了。
public class Solution {
public int maxProfit(int[] prices) {
int max = 0;
int minprice = prices[0];
for (int i=1; i<prices.length; i++) {
minprice = Math.min(prices[i], minprice);
max = Math.max(max, prices[i] - minprice);
}
return max;
}
}時間複雜度：O(n)
空間複雜度：O(1)