123. 买卖股票的最佳时机 III

给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。

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 = [3,3,5,0,0,3,1,4]
输出：6
解释：在第 4 天（股票价格 = 0）的时候买入，在第 6 天（股票价格 = 3）的时候卖出，这笔交易所能获得利润 = 3-0 = 3 。
     随后，在第 7 天（股票价格 = 1）的时候买入，在第 8 天 （股票价格 = 4）的时候卖出，这笔交易所能获得利润 = 4-1 = 3 。

示例 2：

输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。   
     注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。   
     因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3：

输入：prices = [7,6,4,3,1] 
输出：0 
解释：在这个情况下, 没有交易完成, 所以最大利润为 0。

示例 4：

输入：prices = [1]
输出：0

思路： 买卖股票的第二个变种，上一题是允许可以多次买卖股票，那我们无需考虑太多，有得赚就卖，这道题限制了最多买卖两次股票，当然可以不买，也可以只买一次。

虽然有变化，但核心思路是不变的，因为可以买卖两次，那我们就得记录两次的买卖情况，因此我们设立dp[i][0]~dp[i][3]，其中dp[i][0]表示第一次持有股票，dp[i][1]表示第一次不持有股票，dp[i][2]表示第二次持有股票，dp[i][3]表示第二次不持有股票。有些人可能头大了，状态这么多，还要进行递推，实际上都是一个道理，慢慢理清。

dp[i][0]表示第一次持有股票，那有两种情况，i-1天已经持有股票，那dp[i][0] = dp[i-1][0]；另一种情况，i-1天没持有股票，第i天第一次持有，那dp[i][0] = -prices[i]，因为是第一次持有股票，因此在此之前还没有获得任何金钱，持有的话就是0减去股票价格，然后两者之间取更大的值，综上：dp[i][0] = max(dp[i-1][0],-prices[i])。

dp[i][1]表示第一次不持有股票，那有两种情况，i-1天已经不持有股票，那dp[i][1] = dp[i-1][1]；另一种情况，i-1天持有股票，第i天第一次不持有，也就是卖出股票，那dp[i][1] = dp[i-1][0] +  prices[i]，综上：dp[i][1] = max(dp[i-1][1],dp[i-1][0] +  prices[i])。这两个和上一题没有任何区别，又再理了一遍。

接下去新的是dp[i][2]表示第二次持有股票，t同样的也应该有两种情况。i-1天已经第二次持有股票，那dp[i][2] = dp[i-1][2]；另一种情况，i-1天没有第二次持有股票，第i天第二次持有了股票，那dp[i][2] = dp[i-1][1]-prices[i]，因为在这天第二次持有股票前，已经买卖了一次股票，已经得到了利润了，所以用那个利润钱减去买股票的钱。综上：dp[i][2] = max(dp[i-1][2],dp[i-1][1] -  prices[i])。

dp[i][3]表示第二次没有持有股票，同样的也有两种情况。i-1天已经第二次不持有股票，那dp[i][3] = dp[i-1][3]；另一种情况，i-1天第二次持有股票，第i天第二次不持有了股票，也就是第二次卖出了股票，那dp[i][3] = dp[i-1][2]+prices[i].综上：dp[i][3] = max(dp[i-1][3],dp[i-1][2] +  prices[i])。

代码(Python）： 

class Solution(object):
    def maxProfit(self, prices):
        if len(prices) == 0:
            return 0
        dp = [[0]*4 for _ in range(len(prices))]
        dp[0][0] = -prices[0]
        dp[0][1] = 0
        dp[0][2] = -prices[0]
        dp[0][3] = 0
        for i in range(1,len(prices)):
            dp[i][0] = max(dp[i-1][0],-prices[i])
            dp[i][1] = max(dp[i-1][1],dp[i-1][0]+prices[i])
            dp[i][2] = max(dp[i-1][2],dp[i-1][1]-prices[i])
            dp[i][3] = max(dp[i-1][3],dp[i-1][2]+prices[i])
        return dp[len(prices)-1][3]