LeetCode股票问题通解（一）

股票问题是动态规划中一类很恶心的题目，大家可以自己先去做一下，你一定会发现各个股票的问题解法都不一样，奇淫技巧特别多，让人觉得，我怎么想得到？再让我做一遍我也做不出来！

那么今天，我将告诉大家一个通用的方法，一个方法，解决6道股票问题。同时也要感谢leetcode用户fun4LeetCode，本文参考：https://urlify.cn/zYbu2a

首先，我们用一个三维数组来存储状态的组合：

dp[i][k][f]
i为第i天，k为交易次数，f为手中是否有股票(0\1)

dp[3][2][1] 的含义：
今天是第三天，我现在手上持有着股票，已经交易了2次
dp[2][3][0] 的含义：
今天是第二天，我现在手上没有持有股票，已经交易了3次

我们想求的最终答案是dp[n-1][K][0]，
即最后一天，K次交易之后，最多获得多少利润。
0代表股票已经卖出去了。

那么我们可以很容易的写出状态转移方程：

dp[i][k][0] = max(dp[i-1][k][0], dp[i-1][k][1] + prices[i])
解释：第i天我没有持有股票，有两种可能：
要么是我昨天就没有持有，然后今天选择“闲着”，
所以我今天还是没有持有；

要么是我昨天持有股票，但是今天我“卖了”，
所以我今天没有持有股票了。


dp[i][k][1] = max(dp[i-1][k][1], dp[i-1][k-1][0] - prices[i])
解释：第i天我持有着股票，有两种可能：
要么我昨天就持有着股票，然后今天选择“闲着”，
所以我今天还持有着股票；

要么我昨天本没有持有，但今天我选择“买入”，
所以今天我就持有股票了。

好了。基本框架解释完毕，我们来看题：

121. 买卖股票的最佳时机

这道题直接套状态转移方程：

dp[i][1][0] = max(dp[i-1][1][0], dp[i-1][1][1] + prices[i])
dp[i][1][1] = max(dp[i-1][1][1], dp[i-1