给定一个数组 prices ，其中 prices[i] 是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入: prices = [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

示例 2:

输入: prices = [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3:

输入: prices = [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。

方法1：贪心
我们需要寻找的是所给的数组被分割成互不相交子区间 （L，R），使各区间之和为最终的结果，即最大的值。可以想象每一个子区间中，又可以分成长度为1的单元区间，每个单元区间对子区间的贡献加一起为子区间对结果的贡献，显然单元区间为 >0 的才可以产生贡献。

class Solution {
    public int maxProfit(int[] prices) {
        int n = prices.length;
        int ans = 0;
        if(n == 1)
            return 0;
        for(int i = 1; i < n; ++i) {
            ans += Math.max(0, prices[i]-prices[i-1]);
        }
        return ans;
    }
}

方法2：dp

动态规划的一般思考步骤：
1、定义状态
2、转移方程
3、初始状态

定义状态：
newDayNo 为当日不持有股票的最大值；
newDayYes 为当日持有股票的最大值；

转移方程：
int newDayNo = Math.max(dayNo, dayYes + prices[i]);
int newDayYes = Math.max(dayYes, dayNo - prices[i]);

初始状态：
int dayNo = 0;
int dayYes = -prices[0];

class Solution {
    public int maxProfit(int[] prices) {
        int dayNo = 0;
        int dayYes = -prices[0];
        int n = prices.length;
        for(int i = 0; i < n; ++i) {
            int newDayNo = Math.max(dayNo, dayYes + prices[i]);
            int newDayYes = Math.max(dayYes, dayNo - prices[i]);
            dayNo = newDayNo;
            dayYes = newDayYes;
        }
        return dayNo;
    }
}