大家好,欢迎来到无限大的判断,祝大家国庆假期愉快
题目描述(中等)
最低票价
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 。
这道题是一个典型的动态规划问题,我们需要通过购买合理的火车票来最小化旅行的费用。对于给定的一组旅行天数 days
和各种票价 costs
,我们要找到最低的总费用策略。
题目解析
输入/输出描述
-
输入:
- 一个整数数组
days
表示你需要旅行的天数。 - 一个整数数组
costs
,其中costs[0]
是为期一天的票价,costs[1]
是为期七天的票价,costs[2]
是为期三十天的票价。
- 一个整数数组
-
输出:
- 一个整数,即完成所有给定旅行天数所需的最低费用。
问题要求
对于需要旅行的每一天,我们有三种购买票的选择:一天,七天,或者三十天。我们要通过合理选择票种,在满足旅行需要的同时,使总花费最小。
解题思路
-
动态规划定义:
- 设
dp[i]
表示从第 1 天到第i
天的旅行最低费用。
- 设
-
转移方程:
- 如果第
i
天没有安排旅行,那么dp[i] = dp[i-1]
。 - 如果有旅行安排,
dp[i]
可以从以下三种情况中得来:- 使用 1 天票:
dp[i] = dp[i-1] + costs[0]
- 使用 7 天票:
dp[i] = dp[i-7] + costs[1]
(这里注意如果i < 7
,则dp[i-7]
可以看作0
) - 使用 30 天票:
dp[i] = dp[i-30] + costs[2]
(这里注意如果i < 30
,则dp[i-30]
可以看作0
)
- 使用 1 天票:
- 我们选择三种情况中费用最低的方案:
dp[i] = min(dp[i-1] + costs[0], dp[i-7] + costs[1], dp[i-30] + costs[2])
- 如果第
-
初始条件:
dp[0] = 0
(第 0 天不需花费)
-
最终目标:
- 求
dp[days[i]]
,其中i
是最大旅行日数,考虑只需处理在days
中的天数。
- 求
C语言代码实现
#include <stdio.h>
#include <limits.h>int mincostTickets(int* days, int daysSize, int* costs, int costsSize) {int dp[366] = {0}; // Using 366 because days range from 1 to 365int dayIndex = 0;for (int i = 1; i <= 365; i++) {if (dayIndex >= daysSize || i != days[dayIndex]) {dp[i] = dp[i - 1];} else {int oneDayPass = dp[i - 1] + costs[0];int sevenDayPass = dp[i - 7 > 0 ? i - 7 : 0] + costs[1];int thirtyDayPass = dp[i - 30 > 0 ? i - 30 : 0] + costs[2];dp[i] = fmin(oneDayPass, fmin(sevenDayPass, thirtyDayPass));dayIndex++;}}return dp[days[daysSize - 1]];
}int main() {int days[] = {1, 4, 6, 7, 8, 20};int costs[] = {2, 7, 15};int result = mincostTickets(days, 6, costs, 3);printf("Minimum cost: %d\n", result);return 0;
}
C++代码实现
#include <iostream>
#include <vector>
#include <algorithm>using namespace std;int mincostTickets(vector<int>& days, vector<int>& costs) {vector<int> dp(366, 0);int n = days.size();int dayIndex = 0;for (int i = 1; i <= 365; i++) {if (dayIndex >= n || i != days[dayIndex]) {dp[i] = dp[i - 1];} else {int oneDayPass = dp[i - 1] + costs[0];int sevenDayPass = dp[max(0, i - 7)] + costs[1];int thirtyDayPass = dp[max(0, i - 30)] + costs[2];dp[i] = min({oneDayPass, sevenDayPass, thirtyDayPass});dayIndex++;}}return dp[days[n - 1]];
}int main() {vector<int> days = {1, 4, 6, 7, 8, 20};vector<int> costs = {2, 7, 15};int result = mincostTickets(days, costs);cout << "Minimum cost: " << result << endl;return 0;
}
算法分析
- 时间复杂度:O(n),其中
n
是days
的大小,因为我们只遍历每一个旅行天数,并对其更新一次。 - 空间复杂度:O(365),主要用于
dp
数组的存储。 - 该方案特别高效,因为对于每一个天数,我们只需决定三种选择中哪种最优,并且通过比较每次操作来更新
dp
的值。
结论
动态规划的关键在于将较大的问题划分为多个子问题,并从小到大不断求解。因此,通过合理地定义状态和状态转移方程,这个问题可以被有效解决。上述方案巧妙地利用了 dp
技巧,使得问题分析更为简洁,并能保证所需的最小费用。