给定一个整数数组prices，其中第 prices[i] 表示第 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）:

    卖出股票后，你无法在第二天买入股票 (即冷冻期为 1 天)。
    注意：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）。

    示例 1:

    输入: prices = [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]
    示例 2:

    输入: prices = [1]
    输出: 0

    1. /**
    2.  * @param {number[]} prices
    3.  * @return {number}
    4.  */
    5. var maxProfit = function (prices) {
    6.     // 典型动态规划问题，类似抢家劫舍问题。
    7.     // dp[i][m]其中i表示第i天买卖状态，m为枚举[0,1]
    8.     // dp[i][0]表示第i天不持有股票；dp[i][1]表示第i天持有股票
    10.     const n = prices.length;
    11.     if (n <= 1) return 0;
    13.     if (n == 2 && prices[0] >= prices[1]) return 0;
    14.     else if (n == 2 && prices[0] < prices[1]) return prices[1] - prices[0];
    16.     const dp = [];
    17.     for (let i = 0; i < n; i++) {
    18.         dp.push([]);
    19.         dp[i] = [0, 0]
    20.     }
    21.     // 第一天不持有股票的收益
    22.     dp[0][0] = 0;
    24.     // 第一天持有股票的收益，由于第一天只能买入股票因此收益为负数
    25.     dp[0][1] = -prices[0];
    27.     // 第二天不持有股票，或者第一天持有股票并且第二天卖出
    28.     dp[1][0] = Math.max(dp[0][0], dp[0][1] + prices[1]);
    30.     // 第二天持有股票，表示第一天持有股票第二天继续持有或者第二天买入股票
    31.     dp[1][1] = Math.max(dp[0][0] - prices[1], dp[0][1]);
    33.     for (let i = 2; i < n; ++i) {
    34.         // 第i天不持有股票，要么i-1不持有并且第i天也不持有，
    35.         // 或者第i-1天持有成本与第i天股票价格
    36.         dp[i][0] = Math.max(dp[i - 1][1] + prices[i], dp[i - 1][0]);
    37.         dp[i][1] = Math.max(dp[i - 2][0] - prices[i], dp[i - 1][1]);
    38.     }
    40.     // 最后一天不持有股票前提下的最大收益
    41.     return dp[n - 1][0];
    43. };

    image.png