力扣--动态规划123.买卖股票的最佳时间Ⅲ

思路分析：

1. 使用动态规划的思想，创建一个二维数组dp来存储每一天结束时的各种状态下的最大利润。
2. 初始条件：第0天结束时，分别设置不持有股票、持有股票（第一次买入）、不持有股票（第一次卖出）、持有股票（第二次买入）、不持有股票（第二次卖出）的利润。
3. 通过循环遍历每一天的股价，更新dp数组中的值。
4. 对于每一天，根据不同的交易状态，计算并更新对应的最大利润。
5. 最终返回最后一天结束时第二次卖出后的最大利润，即dp[prices.size()-1][4]。

class Solution {
public:
    // 函数用于计算最大利润
    int maxProfit(vector<int>& prices) {
        // 创建一个二维数组dp，其中dp[i][j]表示第i天结束时的最大利润，j的取值范围为0到4
        vector<vector<int>> dp(prices.size() + 1, vector<int>(5, 0));
        
        // 初始条件：第0天结束时，各种状态的利润
        dp[0][0] = 0;          // 不持有股票，没有交易
        dp[0][1] = -prices[0];  // 持有股票，第一次买入
        dp[0][2] = 0;           // 不持有股票，第一次卖出
        dp[0][3] = -prices[0];  // 持有股票，第二次买入
        dp[0][4] = 0;           // 不持有股票，第二次卖出
        
        // 循环遍历每一天的股价
        for (int i = 1; i < prices.size(); i++) {
            // 第一次买入或保持不变，取较大值
            dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
            
            // 第一次卖出或保持不变，取较大值
            dp[i][2] = max(dp[i - 1][2], dp[i - 1][1] + prices[i]);
            
            // 第二次买入或保持不变，取较大值
            dp[i][3] = max(dp[i - 1][3], dp[i - 1][2] - prices[i]);
            
            // 第二次卖出或保持不变，取较大值
            dp[i][4] = max(dp[i - 1][4], dp[i - 1][3] + prices[i]);
        }
        
        // 返回最后一天结束时第二次卖出后的最大利润，即dp[prices.size()-1][4]
        return dp[prices.size() - 1][4];
    }
};