力扣题解( 规定时间内到达终点的最小花费)

news/2024/10/4 13:16:03/

1928. 规定时间内到达终点的最小花费

已解答

困难

相关标签

相关企业

提示

一个国家有 n 个城市,城市编号为 0 到 n - 1 ,题目保证 所有城市 都由双向道路 连接在一起 。道路由二维整数数组 edges 表示,其中 edges[i] = [xi, yi, timei] 表示城市 xi 和 yi 之间有一条双向道路,耗费时间为 timei 分钟。两个城市之间可能会有多条耗费时间不同的道路,但是不会有道路两头连接着同一座城市。

每次经过一个城市时,你需要付通行费。通行费用一个长度为 n 且下标从 0 开始的整数数组 passingFees 表示,其中 passingFees[j] 是你经过城市 j 需要支付的费用。

一开始,你在城市 0 ,你想要在 maxTime 分钟以内 (包含 maxTime 分钟)到达城市 n - 1 。旅行的 费用 为你经过的所有城市 通行费之和 (包括 起点和终点城市的通行费)。

给你 maxTimeedges 和 passingFees ,请你返回完成旅行的 最小费用 ,如果无法在 maxTime 分钟以内完成旅行,请你返回 -1 。

思路:

本题每一次选择城市都会影响到下一次城市的选择,因此可以采取动态递归的策略,正常设计数组dp,应该是dp[i][j]表示前i个城市用时在j的最小花费,但是由于本题是所有城市双向道路连接在一起,因此如果i从小到大遍历,后面结果变化可能会影响到前者,因此这么设计存在一定问题,需要更换dp[i][j]中i和j代表的含义,可以采用i表示花费的总时间,j表示到j城市,这样做的好处是i大的时候的变化都是由i小的时候得到的dp所决定的,而i大的dp[i][j]的变化又不会影响到之前的dp,因此方法是可行的。

具体的做法是i从0开始到maxtime,每次遍历所有的边,对于边【a,b】,dp[i][a]可以看成是dp[i-t][b]+passingFees[a],dp[i][b]可以看成是dp[i-t][a]+passingFees[b],其中t是a,b之间花费的时间。

最后答案就在dp[0][n-1]到dp[maxtime][n-1]之中取得最小值即可。

初始除了dp[0][0]=passingFees[0],其余全是INT_MAX即可。

class Solution {
public:int minCost(int maxTime, vector<vector<int>>& edges, vector<int>& passingFees) {int n=passingFees.size();vector<vector<int>>f(maxTime+1,vector<int>(n+1,0x3f3f3f3f));f[0][0]=passingFees[0];for(int i=1;i<=maxTime;i++)for(int j=0;j<edges.size();j++){int a=edges[j][0],b=edges[j][1],tt=edges[j][2];if(tt<=i)f[i][a]=min(f[i][a],f[i-tt][b]+passingFees[a]),f[i][b]=min(f[i][b],f[i-tt][a]+passingFees[b]);}int ans=f[1][n-1];for(int i=2;i<=maxTime;i++)ans=min(ans,f[i][n-1]);if(ans>0x3f3f3f3f/2)return -1;return ans;}
};


http://www.ppmy.cn/news/1534429.html

相关文章

GPT 的工作原理:深入解析

文章目录 前言1. 输入处理&#xff1a;从自然语言到机器可理解的形式1.1 令牌化&#xff08;Tokenization&#xff09;1.2 嵌入表示&#xff08;Embeddings&#xff09; 2. Transformer 内部计算&#xff1a;核心架构的处理2.1 Transformer 架构概述2.2 Transformer 处理流程 3…

前缀和算法详解

对于查询区间和的问题&#xff0c;可以预处理出来一个前缀和数组 dp&#xff0c;数组中存储的是从下标 0 的位置到当前位置的区间和&#xff0c;这样只需要通过前缀和数组就可以快速的求出指定区间的和了&#xff0c;例如求 l ~ r 区间的和&#xff0c;就可以之间使用 dp[l - 1…

嵌入式外设应用(代码)

文章目录 1. 工业自动化2. 智能家居设备3. 汽车电子4. 生命体征监测仪5. 物联网应用 嵌入式外设应用广泛&#xff0c;有很多应用领域&#xff1a; 1. 工业自动化 应用场景&#xff1a;使用传感器监测设备状态&#xff0c;控制电机的启动和停止。 示例代码&#xff1a; #inc…

selenium之窗口切换

1、弹窗 1.1 Alerts警告框 driver.find_element(By.ID, "alert").click()#窗口切换并获取text print(driver.switch_to.alert.text)#窗口切换并点击 确定 driver.switch_to.alert.accept()driver.find_element(By.ID, "alert").click()#窗口切换并点击 取…

记录一次gRpc流式操作

使用背景: 从redis队列中发送和消费消息.(使用gRpc的流式实现的消费消息) gRpc协议类定义 message AdMsgProto{ optional string msg1; optional string tag2; optional string topic3; } 2. service方法定义 service MQDataService{ rpc sendRedissonMsg(AdMsgProto)returns…

【AI知识点】词频-逆文档频率(TF-IDF)

词频-逆文档频率&#xff08;TF-IDF&#xff0c;Term Frequency-Inverse Document Frequency&#xff09;是一种用来衡量一个词在某个文档中的重要性&#xff0c;同时结合该词在整个文档集中的出现频率。它的核心思想是&#xff1a;在特定文档中出现频率高且在其他文档中较少出…

深入探讨分布式数据库:技术架构、应用案例与性能优化

1. 引言 在大数据时代&#xff0c;数据量呈指数级增长&#xff0c;传统的单机数据库面临诸多挑战&#xff0c;如性能瓶颈、可扩展性不足和单点故障等问题。分布式数据库应运而生&#xff0c;通过将数据分散存储在多个节点上&#xff0c;提供高可用性和可扩展性&#xff0c;成为…

电商技术选型:Spring Boot在线商城系统

4 系统设计 ONLY在线商城系统的设计方案比如功能框架的设计&#xff0c;比如数据库的设计的好坏也就决定了该系统在开发层面是否高效&#xff0c;以及在系统维护层面是否容易维护和升级&#xff0c;因为在系统实现阶段是需要考虑用户的所有需求&#xff0c;要是在设计阶段没有经…