在乙個火車旅行很受歡迎的國度，你提前一年計劃了一些火車旅行。在接下來的一年裡，你要旅行的日子將以乙個名為days的陣列給出。每一項是乙個從1到365的整數。火車票有三種不同的銷售方式：
一張為期一天的通行證售價為
costs[0]美元；一張為期七天的通行證售價為
costs[1]美元；一張為期三十天的通行證售價為
costs[2]美元。通行證允許數天無限制的旅行。 例如，如果我們在第 2 天獲得一張為期 7 天的通行證，那麼我們可以連著旅行 7 天：第 2 天、第 3 天、第 4 天、第 5 天、第 6 天、第 7 天和第 8 天。
返回你想要完成在給定的列表
days中列出的每一天的旅行所需要的最低消費。
輸入示例：days = [1,4,6,7,8,20], costs = [2,7,15]輸出示例：11
解釋：例如，這裡有一種購買通行證的方法，可以讓你完成你的旅行計畫：
在第 1 天，你花了 costs[0] = $2 買了一張為期 1 天的通行證，它將在第 1 天生效。
在第 3 天，你花了 costs[1] = $7 買了一張為期 7 天的通行證，它將在第 3, 4, …, 9 天生效。
在第 20 天，你花了 costs[0] = $2 買了一張為期 1 天的通行證，它將在第 20 天生效。
你總共花了 $11，並完成了你計畫的每一天旅行。
1 <= days[i] <= 365costs.length == 3
1 <= costs[i] <= 1000days按順序嚴格遞增
c++函式形式為：int
mincosttickets
(vector<
int>
& days, vector<
int>
& costs)
狀態很簡單，就是第i天的最低消費。關鍵在狀態轉移方程。
如果某一天，沒有出行，那麼最低消費就等於前一天的。
如果某天出行了，那麼這一天一定要有票，按照貪心的原則，要想當天的成本最低，最理想的方法是一天的票剛好是今天買的，七天的票剛好是七天前買的，三十天的票剛好是三十天之前買的，再在這個當中去選擇乙個消費最低的情況。
這個分析的思路等於是，倒推買票的日期。
還必須考慮到乙個特殊情況，就是如果沒有七天，三十天前，也就是i<7或者i<30的情況，錢數應該是0，dp陣列的初始化應該也是0，為了方便知道某天是否出現，還可以設定乙個標誌陣列。
狀態轉移方程為：
class
solution
return dp.
back()
;}};
atfwus --writing by 2020–03–20
讓人費解的動態規劃 最低票價
今天遇到的這道題，我知道要用動態規劃，可就是想不出狀態轉移方程。看了題解，才明白，它倒序求得的。題目鏈結如下 leetcode，最低票價 在乙個火車旅行很受歡迎的國度，你提前一年計劃了一些火車旅行。在接下來的一年裡，你要旅行的日子將以乙個名為 days 的陣列給出。每一項是乙個從 1 到 365 的...
貪心演算法的設計思想
貪心演算法在解決問題的策略上目光短淺，只根據當前已有的資訊就做出選擇，而且一旦做出了選擇，不管將來有什麼結果，這個選擇都不會改變。換言之，貪心法並不是從整體最優考慮，它所做出的選擇只是在某種意義上的區域性最優。貪心演算法對於大部分的優化問題都能產生最優解，但不能總獲得整體最優解，通常可以獲得近似最優...
用Dij的思想優化DP
如果 dp 的狀態轉移方程為 f i min 那麼我們就可以考慮用 dij 的思想去優化它 因為如果某個點的 f 值是最小的，那麼就沒有其它的點可以影響它 因此我們每一次從堆中取出最小的點對其它點進行更新即可 題目描述 傳送門分析 按照期望題一般的做法，我們設 f u 為從 u 走到終點 n 的期望...