給定一個數組，它的第 i 個元素是一支給定股票第 i 天的價格。

如果你最多隻允許完成一筆交易（即買入和賣出一支股票），設計一個演算法來計算你所能獲取的最大利潤。

注意你不能在買入股票前賣出股票。

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。

示例 2:

輸入: [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。

方法一：暴力法

int maxProfit(int* prices, int pricesSize)
{
	int max = 0;
	for(int i = 0; i < pricesSize; i++)
	{
		for(int j = i + 1; j < pricesSize; j++)
		{
			int tmp = prices[j] - prices[i];
			if(tmp > max)
			{
				max = tmp;
			}
		}
	}
	return max;
}

方法二：一次遍歷

int maxProfit(int* prices,
 
 int pricesSize)
{
	int min = prices[0];
	int max = 0;
	for(int i = 0; i < pricesSize; i++)
	{
		if(prices[i] < min)
		{
			min = prices[i];
		}
		else
		{
			if(prices[i] - min > max)
				max = prices[i] - min;
		}
	}
	return max;
}

上面的倆種方式都比較簡單就不做過多的介紹
————————————————————————————————————————————————————————

給定一個數組，它的第 i 個元素是一支給定股票第 i 天的價格。

設計一個演算法來計算你所能獲取的最大利潤。你可以儘可能地完成更多的交易（多次買賣一支股票）。

注意：你不能同時參與多筆交易（你必須在再次購買前出售掉之前的股票）。

示例 1:

輸入: [7,1,5,3,6,4]
輸出: 7
解釋: 在第 2 天（股票價格 = 1）的時候買入，在第 3 天（股票價格 = 5）的時候賣出, 這筆交易所能獲得利潤 = 5-1 = 4 。
隨後，在第 4 天（股票價格 = 3）的時候買入，在第 5 天（股票價格 = 6）的時候賣出, 這筆交易所能獲得利潤 = 6-3 = 3 。

示例 2:

輸入: [1,2,3,4,5]
輸出: 4
解釋: 在第 1 天（股票價格 = 1）的時候買入，在第 5 天 （股票價格 = 5）的時候賣出, 這筆交易所能獲得利潤 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接連購買股票，之後再將它們賣出。
因為這樣屬於同時參與了多筆交易，你必須在再次購買前出售掉之前的股票。

示例 3:

輸入: [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。

其實這道題可以理解為一段一段的計算從低到高的差，這裡筆者只附上程式碼，具體方法leetcode官方介紹的非常清楚

方法一：簡單的一次遍歷

int maxProfit(int* prices, int pricesSize)
{
	int max = 0;
	for(int i = 1; i < pricesSize; i++)
	{
		if(prices[i] > prices[i - 1])
		{
			max += prices[i] - prices[i - 1];
		}
	}
	return max;
}

方法二：峰谷法

int maxProfit(int* prices, int pricesSize)
{
	int valley = prices[0];
	int peak = prices[0];
	int max = 0;
	int i = 0;
	while( i < pricesSize-1)
	{
		while((i < pricesSize-1)&&(prices[i] >= prices[i+1]))
		{
			i++;
		}
		valley = prices[i];		
		while((i < pricesSize-1)&&(prices[i] <= prices[i+1]))     
		{
			i++;
		}
		peak = prices[i];
		max += peak - valley;
	}
    return max;
}