309. 最佳买卖股票时机含冷冻期

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)。
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]

方法一：动态规划

用$f[i]$表示第i天结束后的累计最大收益。根据题目描述，由于我们最多只能同时买入（持有）一支股票，并且卖出的股票有冷冻期限制，因此我们会有三种不同的状态：

1. 我们目前有一支股票，对应的最大累计收益计为$f[i][0]$;
2. 我们目前不持有任何股票，并且处于冷冻期，对应的最大累计收益记为$f[i][1]$;
3. 我们目前不持有任何股票，并且不处于冷冻期，对应的最大累计收益记为$f[i][2]$。

这里的「处于冷冻期」指的是在第 ii 天结束之后的状态。
也就是说：如果第 i 天结束之后处于冷冻期，那么第 i+1 天无法买入股票。

那么我们应该有三种状态转移方程：

1. 对于$f[i][0]$，我们目前所持有的的股票可能是昨天已经持有的，那么如果第$i$天要继续持有，收益应该不变；但是还有一种可能是，昨天并没有持有，并且昨天不是冷冻期，而是今天买入并持有的，那么这种状态显然应该由$f[i-1][2]$转移而来，并且需要减去当他的股票价格。
   $$f[i][0]=max(f[i-1][0]，f[i-1][2]-prices[i])$$
2. 对于$f[i][1]$，由于在第$i+1$天将处于冷冻期，那么说明今天就要把股票卖掉，也就是说，在第$i-1$天是持有一直股票的，转移方程应该由$f[i-1][0]$转移过来，比较简单。
   $$f[i][1]=f[i-1][0]+prices[i]$$
3. 对于$f[i][2]$，由于当天结束后，没有持有股票，也不属于冷冻期，所以当天并没有任何操作：如果前一天卖掉的一支股票，那么应该由$f[i-1][1]$转移过来，如果前一天也什么都没做，那么应该由$f[i-1][2]$转移过来。
   $$f[i][2]=max(f[i-1][1]，f[i-1][2])$$

还应注意的是初始条件
$$f[0][0]=-prices[0]，f[0][1]=0，f[0][2]=0$$
第0天就持有股票说明一定是负收益，不持有肯定是0收益

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        if(n==0) return 0;
        vector<vector<int>> f(n, vector<int>(3, 0));
        f[0][0] = -prices[0];
        for (int i=1; i<n; ++i)
        {
            f[i][0] = max(f[i-1][0], f[i-1][2] - prices[i]);
            f[i][1] = f[i-1][0] + prices[i];
            f[i][2] = max(f[i-1][2], f[i-1][1]);
        }
        return max(f[n-1][1], f[n-1][2]);
    }
};

方法二：空间优化

dp空间优化的老套路，由于第$i$天的状态只跟第$i-1$天的状态有关，那么我们只需要维护一些变量保存第$i-1$天的状态就好了。

代码：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int n = prices.size();
        if(n==0) return 0;
        int f0 = -prices[0];
        int f1 = 0;
        int f2 = 0;
        for(int i=1; i<n; ++i)
        {
            int newf0 = max(f0, f2-prices[i]);
            int newf1 = f0 + prices[i];
            int newf2 = max(f2, f1);
            f0 = newf0;
            f1 = newf1;
            f2 = newf2;
        }
        return max(f1, f2);
    }
};