目的是最大化一个利润的值，前提：买必涨，只是考虑赚多少。
之前的cost是今天的price
收益一次 = 卖的价格减去买的价格 = price - cost 。if profit < 0 then 0，无滞后性，每次卖股票都是站在当前这天的角度，但是可以看到后面几天股票的价格，所以如果不见涨，则不会买。
总收益 = 很多次收益的累加和。这个次数限制可能是无数次（退化为贪心）。一次、两次、k次
https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-iii/solutions/2199035/yi-tao-mo-ban-ji-xing-dai-ma-bi-zhao-yan-0ap8/
你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。
如果说dp[i]表示某一天，那么对于每个i，都应该会记录那天快结束时候的收益情况。
收益是累加了之前天的已经卖出的股票获得的收益，至于当前手上有没有股票，就得分情况
dp[i][0]，第i天结束时的最大收益，但是这天手上还有股票了（不是光光是今天买没买股票）
dp[i][1]，第i天结束时的最大收益，但是这天手上没股票了（不是光光是今天卖没卖股票）
第一种情况，手上还有股票，可能是今天买的，可能是之前买的但是今天没卖，那再分两种，取最大。
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
dp = [[0, 0] for _ in range(n)]
dp[0] = [-prices[0], 0]
for i in range(1, n):
//没有免费的午餐 只要是手上还有股票的情况，总有一天其中一天的profit是负的，得花钱买。但是没花钱买的时候，那就跟前一天一样，表示当天结束时没买也没卖的情况
dp[i][0] = max(dp[i-1][0], - prices[i])
//dp[i-1][0]之前某一天低价买入花的钱。但是同时只能持有一只，所以如果是发生交易的情况，则必是卖了某个股票。那么就是和之前某一天买股票的钱构成差价项，只不过这个price由dp[i-1][0]表示，但其可能是
dp[i][1] = max(dp[i-1][1], + prices[i] + dp[i-1][0])
return dp[-1][-1]
写这一项需要考虑这是第几次买股票，如果不区分第几次那可以退化成1次，后面的卖也一样
dp[i][0] = max(今天没发生交易，低位没买股票买一下)（之前如果买了股票 再交易就只能卖 但是卖了就不会立即买 不然等于没交易 所以后一项是买）
dp[i][1] = max(今天没发生交易, 高位有股票卖一下）
dp[0][0]为了遵循定义，则需要是负的。dp[0][1]遵循定义则需要是0.
标签：买卖,股票,收益,最佳时机,max,prices,动态,price,dp From： https://www.cnblogs.com/synapse331/p/17689094.html