js算法买卖股票的最佳时机入门

涉及力扣题目：
121.买卖股票的最佳时机
122.买卖股票的最佳时机II
123.买卖股票的最佳时机III
买卖股票是算法中动态规划专题里很经典的题目，它的难度包括简单到困难，但是它们的解题思路只要使用动态规划那就是一模一样没有区别，这也意味着掌握关键的算法套路很重要。

我们先来看一道入门题：

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 。

跟据前一天的收益获取今天的收益，很经典的动态规划套路。这是一道简单题对于回溯算法来解决确实是一道简单题，但是使用动态规划反而要更难这是因为，我们需要对其进行dp数组含义进行抽象这在动态规划中往往是最难的。

那我们开始进行第一也是最难的一步，创建一个二维数组，一维下标表示天数，二维下标为0就是表示要进行持有股票的操作，下标为2就是不持有股票操作，二维数组的大小就是收益。那么问题来了，假设我们知道前面天数的最大收益如何求当今收益，接下来就来到了推导公式，获取当今收益无非两种情况。1 今天啥也没做，直接就是前一天的收益dp[i-1]【0】(毕竟什么也不做也算是持有股票)或者直接买入一支新的股票0-prices[i]. 2 今天啥也不做dp[i-1][1],卖出股票dp[i-1][0]+proces[i].

对于初始化，就比较简单，直接假设当天的两种唯一情况。

dp[0] = [-prices[0], 0];

其余数组全设为0即可。

完整代码：

const maxProfit = prices => {
   
    const len = prices.length;
    // 创建dp数组
    const dp = new Array(len).fill([0, 0]);
    // dp数组初始化，一种是直接买股票，一种是不持有股票
    dp[0] = [-prices[0], 0];
    for (let i = 1; i < len; i++) {
   
        // 更新dp[i]
        dp[i] = [
            Math.max(dp[i - 1][0