题：给定一个数组，它的第i个元素是一支给定股票第i天的价格。如果你最多只允许完成一笔交易（即买入和卖出一支股票一次），设计一个算法来计算你所能获取的最大利润。
注意：你不能在买入股票前卖出股票。
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的价格；同时，你不能在买入前卖出股票。
示例2：
输入：[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.
解法：动态规划
1、什么是动态规划呢？
动态规划是一种将复杂问题分解成小问题求解的策略，但与分治算法不同的是，
分治算法要求各子问题是相互独立的，而动态规划各字问题是相互关联的。
分治：就是分而治之，将一个复杂的问题，分成两个或者多个相似的子问题，再把子问题分成更小的子问题，
直到更小的子问题可以简单求解，求解子问题，则原问题的解则为子问题解的合并。
2、分析
我们使用动态规划求解问题时，需要遵循以下几个重要的步骤：
1、定义子问题
2、实现需要反复执行解决的子子问题部分
3、识别并求解出边界条件
3、求解
第一步：定义子问题
动态规划是将整个数组归纳考虑，假设我们已经知道了i-1个股票的最大利润为dp[i-1],显然i个连续股票的最大利润为dp[i-1]，要么就是prices[i]-minprice,minprice为前i-1支股票的最小值，在这两个数中我们取最大值。
第二步：实现需要反复执行解决的子子问题部分
dp[i] = Math.max(dp[i-1], prices[i] - minprice)
第三步：识别并求解出边界条件
dp[0] = 0
最后一步：把尾码翻译成代码，处理一些边界情况
因为我们在计算dp[i]的时候，只关心dp[i-1]与prices[i],因此不用把整个dp数组保存下来，只需设置一个max保存dp[i-1]就好了。
代码实现
let maxProfit = function(prices){
let max = 0,
minprice = prices[0];
for(let i = 1; i< prices.length; i++){
minprice = Math.min(prices[i], minprice)
max = Math.max(max, prices[i] - minprices)
}
return max;
}
复杂度分析
- 时间复杂度：O(n)
- 空间复杂度：O(1)
