力扣算法篇：买卖股票的最佳时机III

动态规划五部曲：
1、确定dp数组及其下标含义

每一天有5个状态：0：不操作、1：第一次持有 2：第一次不持有 
3：第二次持有 4：第二次不持有
dp[i][j]:第i天状态j所剩最大现金

2、确定递推式

dp[i][0]:不操作 跟前一天状态一致 dp[i][0] = dp[i-1][0];
dp[i][1]:第一次持有 可能是当天买的 也可能是之前买的
dp[i][1] = max(-price[i],dp[i-1][1]);
dp[i][2]：第一次不持有 可能是当天卖的 也可能是之前卖的
dp[i][2]=max(dp[i-1][2],dp[i][1]+price[i]);
dp[i][3]:第二次持有 可能是当天买的 也可能是之前买的
dp[i][3] = max(dp[i-1][2]-price[i],dp[i-1][3]);
dp[i][4]:第二次不持有 可能是当天卖的 也可能是之前卖的
dp[i][4] = max(dp[i-1][3]+price[i].dp[i-1][4]);

3、初始化

dp[0][0] = 0;
dp[0][1] = -prices[0];
dp[0][2] = 0;
dp[0][3] = -prices[0];
dp[0][4] = 0;

4、确定遍历顺序
从前往后遍历
5、举例推导dp数组

[1,2,3,4,5]
dp数组变化：
0 -1 0 -1 0
0 -1 1 -1 1
0 -1 2 -1 2
0 -1 3 -1 3
0 -1 4 -1 4

题解：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        //确定递推数组及其下标含义
        //每一天有5个状态：0：不操作、1：第一次持有 2：第一次不持有 3：第二次持有 4：第二次不持有
        //dp[i][j]:第i天状态j所剩最大现金
        //根据状态含义确定递推式：
        //dp[i][0]:不操作 跟前一天状态一致 dp[i][0] = dp[i-1][0];
        //dp[i][1]:第一次持有 可能是当天买的 也可能是之前买的
        //dp[i][1] = max(-price[i],dp[i-1][1]);
        //dp[i][2]：第一次不持有 可能是当天卖的 也可能是之前卖的
        //dp[i][2]=max(dp[i-1][2],dp[i][1]+price[i]);
        //dp[i][3]:第二次持有 可能是当天买的 也可能是之前买的
        //dp[i][3] = max(dp[i-1][2]-price[i],dp[i-1][3]);
        //dp[i][4]:第二次不持有 可能是当天卖的 也可能是之前卖的
        //dp[i][4] = max(dp[i-1][3]+price[i].dp[i-1][4]);
        int n = prices.size();
        //定义dp数组
        vector<vector<int>> dp(n,vector<int>(5));
        //初始化dp
        dp[0][0] = 0;
        dp[0][1] = -prices[0];
        dp[0][2] = 0;
        dp[0][3] = -prices[0];
        dp[0][4] = 0;
        //计算dp
        for(int i = 1;i<n;i++){
            dp[i][0] = dp[i-1][0];
            dp[i][1] = max(-prices[i],dp[i-1][1]);
            dp[i][2] = max(dp[i][1]+prices[i],dp[i-1][2]);
            dp[i][3] = max(dp[i-1][2]-prices[i],dp[i-1][3]);
            dp[i][4] = max(dp[i-1][3]+prices[i],dp[i-1][4]);
        }
        return dp[n-1][4];
    }
};