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）。
来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-with-cooldown
例：
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]
解析：
我们可以将每天的状态分为四种，分别为0已购买状态（购买当天或购买后没有任何操作），1卖出股票，并且度过冷冻期后一直无操作状态，2卖出状态（只有一天，因为第二天就是冷冻期状态），3冷冻期状态。分别用0,1,2,3来表示。每一天都有可能对应着不同的状态，所以我们用横坐标代表天数，纵坐标代表状态创建dp数组。
成为状态0之前可能是状态0，状态1，状态3。因为状态2的第二天是冷冻期（状态3）所以只有三种情况。
成为状态1之前可能是状态1，状态3。
成为状态2之前只能是状态0。
成为状态3之前只能是状态2。
至于所有状态的初始值，除了买入状态0需要扣除买入资金，其余的收益均为0。
class Solution(object):
def maxProfit(self, prices):
"""
:type prices: List[int]
:rtype: int
"""
n = len(prices)
if n == 0: # 边界判断
return 0
dp = [[0] * 4 for _ in range(n)] # 初始化dp数组
dp[0][0] = -prices[0] # 状态0初始化
for i in range(1, n): # 天数遍历
dp[i][0] = max(dp[i - 1][0], max(dp[i - 1][3], dp[i - 1][1]) - prices[i]) # 成为状态0的算法思路
dp[i][1] = max(dp[i - 1][1], dp[i - 1][3]) # 成为状态1
dp[i][2] = dp[i - 1][0] + prices[i] # 成为状态2
dp[i][3] = dp[i - 1][2] # 成为状态3
return max(dp[n - 1][3], dp[n - 1][1], dp[n - 1][2]) # 状态0需要购入，所以无需考虑
