动态规划之股票问题309

股票问题作为动态规划里十分经典的题目，也有着一些难度，在这里，我试图给出一套股票问题的模板。

使用这套模板，打到资本主义的压榨。

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
188. 买卖股票的最佳时机 IV
309. 最佳买卖股票时机含冷冻期
714. 买卖股票的最佳时机含手续费

问题描述：

给定一个整数数组，其中第 i 个元素代表了第 i 天的股票价格 。​

设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:

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）。
卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-with-cooldown
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

 示例：

输入: [1,2,3,0,2]
输出: 3 
解释: 对应的交易状态为: [买入, 卖出, 冷冻期, 买入, 卖出]

分析：

和714比起来，限制条件由手续费变成了冷冻期，何妨？还是一样，也就是第 i 天的买入和第 i-2 天的卖出有关

得出dp方程

• dp0[i] = max(dp0[i-1], dp1[i-1]+prices[i])
• dp1[i] = max(dp1[i-1], dp0[i-2]-prices[i])

上代码：

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        if not prices:
            return 0
        if len(prices) == 1:
            return 0
        n = len(prices)
        dp0 = [0] * n  # dp0  手头没有股票
        dp1 = [0] * n  # dp1  手头有股票
        dp1[0] = -prices[0]
        dp1[1] = max(dp1[0], -prices[1])
        dp0[1] = max(dp0[0], dp1[0] + prices[1])
        for i in range(2, n):
            dp0[i] = max(dp0[i-1], dp1[i-1]+prices[i])
            dp1[i] = max(dp1[i-1], dp0[i-2]-prices[i])
        return dp0[-1]