leetcode最低票价java

最新推荐文章于 2024-10-01 17:09:33 发布

kelexing4

最新推荐文章于 2024-10-01 17:09:33 发布

阅读量360

点赞数

文章标签： leetcode 动态规划算法

本文链接：https://blog.youkuaiyun.com/kelexing4/article/details/105956028

版权

该博客探讨了如何使用动态规划解决LeetCode中关于火车旅行最低票价的问题。通过分析给定的旅行天数和三种不同类型的通行证价格，博主展示了如何计算完成所有旅行所需的最低费用。示例解释了在特定情况下购买不同期限通行证的策略，以达到总成本最小化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目

在一个火车旅行很受欢迎的国度，你提前一年计划了一些火车旅行。在接下来的一年里，你要旅行的日子将以一个名为 days 的数组给出。每一项是一个从 1 到 365 的整数。

火车票有三种不同的销售方式：

一张为期一天的通行证售价为 costs[0] 美元；
一张为期七天的通行证售价为 costs[1] 美元；
一张为期三十天的通行证售价为 costs[2] 美元。
通行证允许数天无限制的旅行。例如，如果我们在第 2 天获得一张为期 7 天的通行证，那么我们可以连着旅行 7 天：第 2 天、第 3 天、第 4 天、第 5 天、第 6 天、第 7 天和第 8 天。

返回你想要完成在给定的列表 days 中列出的每一天的旅行所需要的最低消费。

示例 1：

输入：days = [1,4,6,7,8,20], costs = [2,7,15]
输出：11
解释：
例如，这里有一种购买通行证的方法，可以让你完成你的旅行计划：
在第 1 天，你花了 costs[0] = $2 买了一张为期 1 天的通行证，它将在第 1 天生效。
在第 3 天，你花了 costs[1] = $7 买了一张为期 7 天的通行证，它将在第 3, 4, …, 9 天生效。
在第 20 天，你花了 costs[0] = $2 买了一张为期 1 天的通行证，它将在第 20 天生效。
你总共花了 $11，并完成了你计划的每一天旅行。
示例 2：

输入：days = [1,2,3,4,5,6,7,8,9,10,30,31], costs = [2,7,15]
输出：17
解释：
例如，这里有一种购买通行证的方法，可以让你完成你的旅行计划：
在第 1 天，你花了 costs[2] = $15 买了一张为期 30 天的通行证，它将在第 1, 2, …, 30 天生效。
在第 31 天，你花了 costs[0] = $2 买了一张为期 1 天的通行证，它将在第 31 天生效。
你总共花了 $17，并完成了你计划的每一天旅行。

提示：

1 <= days.length <= 365
1 <= days[i] <= 365
days 按顺序严格递增
costs.length == 3
1 <= costs[i] <= 1000

class Solution{
	public int mincostTickets(int[] days,int[] costs){
		int[] lastAllDaysCost = new int[366];
		int dayIdx = 0;
		int tickeDay = costs[0];
		int tickeWeek = costs[1];
		int tickeMonth = costs[2];
		lastAllDaysCost[0]=0;
		for(int today=1;today<=365;today++){
			if(dayIdx>=days.length){
				break;
			}
			//如果不是旅行日
			if(days[dayIdx]!=today){
				lastAllDaysCost[today]=lastAllDaysCost[today-1];
				continue;
			}
			//如果是旅行日
			dayIdx++;
		            lastAllDaysCost[today] = Math.min(
                    Math.min(
                            lastAllDaysCost[Math.max(0, today - 1)] + tickeDay
                            , lastAllDaysCost[Math.max(0, today - 7)] + tickeWeek)
                    , lastAllDaysCost[Math.max(0, today - 30)] + tickeMonth);
		}
		return lastAllDaysCost[days[days.length-1]];
	}
}