一、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 ；

贪心算法：
每次发现更低价格立即更新买入点（minPrice）
每次发现更高利润立即更新卖出收益（maxProfit）

/*** 计算股票买卖的最大利润（单次交易）* @param {number[]} prices - 股票每日价格数组* @returns {number} 最大利润（无利润时返回0）*/
function maxProfit(prices) {// 边界条件const len = prices.length || 0;if (len < 2) return 0;// 初始化历史最低价为第一天值let minPrice = prices[0];// 初始化最大利润为0（默认无利润）let maxProfit = 0;// 单次遍历所有价格点（从第二天开始）for (let i = 1; i < len; i++) {const currentPrice = prices[i];// 情况1：发现新的历史最低价if (currentPrice < minPrice) {minPrice = currentPrice; // 更新历史最低价// 情况2：当前价格高于历史最低价，计算潜在利润} else if (currentPrice - minPrice > maxProfit) {// 若当前利润超过历史最大利润则更新maxProfit = currentPrice - minPrice;}/* 注意：无需处理其他情况（如当前利润小于历史最大利润）因为此时只需维持已有的maxProfit值即可 */}// 返回整个遍历过程中发现的最大利润return maxProfit;
}

算法说明：
核心思路：单次遍历数组，动态追踪历史最低价，并计算当前价格与历史最低价的差值（潜在利润）
关键变量：
minPrice：记录遍历过程中遇到的最低价格（初始设为最大安全整数）
maxProfit：记录当前最大利润（初始为0）
遍历过程：
遇到更低价格时更新 minPrice
遇到更高价格时计算利润，并更新 maxProfit
边界处理：若所有价格递减（无利润），直接返回初始值0。

复杂度分析：
时间复杂度 O(n)：仅需遍历数组一次
空间复杂度 O(1)：仅使用两个常量变量

二、买卖股票的最佳时机Ⅱ

给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。返回 你能获得的 最大 利润 。

贪心算法：
捕捉所有上涨波段

/*** 计算股票买卖的最大利润（单次交易）* @param {number[]} prices - 股票每日价格数组* @returns {number} 最大利润（无利润时返回0）*/
function maxProfit(prices) { const len = prices.length || 0;if (len < 2) return 0;let maxProfit = 0;// 遍历从第二天开始的所有价格for (let i = 1; i < len; i++) {const curPrice = prices[i]; // 第i天价格const prePrice = prices[i-1]; // 第i-1天价格if (curPrice > prePrice) maxProfit += (curPrice - prePrice);};return maxProfit;
}