状态机dp，可以参考LeetCode188. 买卖股票的最佳时机 IV。
我们有两个状态，当前交易的天数i和当前是否持有股票，我们用一个二维数组dp[n][2]表示各个状态所能获得的最大收益（其中n为prices数组的大小，表示交易的天数）。
比如dp[i][0]表示第i天（i从0开始），当前不持有股票（第二维0表示不持有股票，1表示持有股票）所能获得的最大收益。
dp[i][1]表示第i天（i从1开始)，当前持有股票所能获得的最大收益。
我们考虑一个不持有股票的状态dp[i][0], 不持有股票有两种情况：（1）前一天也不持有股票，然后今天啥也没做，这种情况下收益和前一天是相同的。这种情况下我们有：dp[i][0] = dp[i - 1][0];
（2）前一天持有股票，今天卖掉了，这种情况下我们有：dp[i][0] = dp[i - 1][1] + prices[i]; 其中加prices[i]表示卖掉股票获得了收益。
由于dp数组表示的是某个状态下的最大收益，因此我们需要对上面两种状态取一个max，所以我们有: dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
我们考虑一个持有股票的状态dp[i][1], 持有股票也有两种情况：（1）前一天就持有了股票，然后今天没有操作，这种情况下收益和前一天是相同的。这种情况下我们有：dp[i][1] = dp[i - 1][1];
（2）前一天不持有股票，今天买了一只股票，这种情况下我们有：dp[i][1] = dp[i - 1][1] - prices[i] - fee; 其中减去prices[i]和fee表示第i天以prices[i]的价格买了股票，并交了价格为fee
的手续费。
由于dp数组表示的是某个状态下的最大收益，因此我们需要对上面两种状态取一个max，所以我们有：dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i] - fee);
现在我们有了状态转移方程，由于状态转移的过程中计算dp[i][]需要用到状态dp[i - 1][]，当i为0时会导致数组越界，所以我们需要对边界情况特殊处理一下。
dp[0][0]表示第0天，不持有股票所能获得的最大收益，显然dp[0][0] = 0;
dp[0][1]表示第0天，持有股票所能获得的最大收益，显然第0天要持有股票只能第0天买了，要交第0天股票的价格，还有手续费。所以我们有dp[0][1] = -prices[0] - fee;
有了状态表示、处理了递归边界、推导出了状态转移方程，就可以开始状态转移了。
最后的答案就是dp[n - 1][0]，表示最后一天，不持有股票所能获得的最高收益。
为什么不是dp[n - 1][1]呢？因为买股票需要成本（股票本身的价格以及手续费），股票卖出去能够获得收入，所以dp[n - 1][0]的值大于dp[n - 1][1]。
代码如下：
class Solution {
public:
int maxProfit(vector<int>& prices, int fee) {
int n = prices.size();
vector<vector<int>> dp(n, vector<int>(2));
for(int i = 0; i < n; ++i) {
if(i == 0) { //递推边界
dp[i][0] = 0;
dp[i][1] = -prices[i] - fee;
continue;
}
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1] + prices[i]); //状态转移
dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] - prices[i] - fee);
}
return dp[n - 1][0];
}
};