动态规划问题应遵循状态定义、列出状态转移方程、确定边界条件等步骤。
例：股票市场交易策略优化
（问题描述）小R近期表现出色，公司决定以股票的形式给予奖励，并允许他在市场上进行交易以最大化收益。给定一个数组，数组中的第i个元素代表第i天的股票价格。小R需要设计一个算法来实现最大利润。
股票交易规则如下：
小R可以多次买卖股票，但在买入新的股票前必须卖出之前的股票。
每次卖出股票后存在一天的冷冻期，在冷冻期内小R不能购买股票。
你的任务是帮助小R计算出在遵守交易规则的情况下能够获得的最大利润。
stocks： 一个整数列表，表示连续几天内的股票价格。
（思路分析）
（1）定义：每一天有两种状态，持有/未持有股票。
dp[i][0]， 第i天未持有股票的最大所得利润
dp[i][1]， 第i天持有股票的最大所得利润
（2）动态转移方程：
dp[i][1] = max(dp[i-1][1]， dp[i-2][0]-stocks[i]); 什么都不干，或者从两天前无股票状态，买入股票（因为有一天冷冻期）。
dp[i][0] = max(dp[i-1][0]， dp[i-1][1]+stocks[i]); 什么都不干，或者从前一天的持股票状态，卖出股票。
dp[i-1][0]这个状态可能是：① 第i天卖出，② 第i-1天前卖出，故当前处于非冷冻期，③第i-1天前卖出且处于冷冻期。
对于情形①③，第i天都不能买入股票；对于情形②，第i-1天为非冷冻期， 那么第i-2天也为非冷冻期，所以这两天的状态相同，即dp[i-1][0] = dp[i-2][0]。
（3）边界条件：
dp[0][0]=0， dp[0][1]=-stocks[0]，
dp[1][0]=max(0，dp[0][1]+stocks[1])=max(0，-stocks[0]+stocks[1])；
dp[1][1]=max(dp[0][1]，dp[0][0]-stocks[1])=max(stocks[
（4）遍历顺序： 对stocks，从前往后遍历（下标范围为[2，n-1]）
（5）返回值： dp[n-1][0] 不持有股票的利润一定最大
进一步优化，用变量pre0表示dp[i-2][0]，用变量f0表示dp[i][0]，用变量f1表示dp[i][1]。
（复杂度分析）记stocks的数组长度为n，则时间复杂度为O(n)，经过变量优化后，不需要使用2*n大小的dp数组，故空间复杂度为O(1)。
