动态规划(1)

本文介绍了动态规划的基本概念和应用,通过实例展示了如何解决一个问题。动态规划是一种用于优化的算法,通常用于找到最有效的方法来完成一系列决策。在这个例子中,我们看到了动态规划如何得出最优解。
摘要由CSDN通过智能技术生成
/**
 * LeetCode上的例题:
 * 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
 *
 */

public class DynamicProgramming {
    public static void main(String[] args) {
        MincostTicketsSolution tool = new MincostTicketsSolution();

        int[] days = {1, 4, 6, 7, 8, 20};
        int[] costs = {2, 7, 15};
        System.out.println(tool.mincostTickets(days, costs));

        int[] days2 = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 30, 31};
        int[] costs2 = {2, 7, 15};
        System.out.println(tool.mincostTickets(days2, costs2));
    }
}

class MincostTicketsSolution {
    public int mincostTickets(int[] days, int[] costs) {
        int len = days.length;
        int maxDay = days[len - 1];
        int minDay = days[0];
        int[] dayCosts = new int[maxDay + 31];

        for (int d = maxDay, i = len - 1; d >= minDay; d--) {
            if (d == days[i]) {
                dayCosts[d] = Math.min(costs[0] + dayCosts[d + 1], costs[1] + dayCosts[d + 7]);
                dayCosts[d] = Math.min(dayCosts[d], costs[2] + dayCosts[d + 30]);
                i--;
            }else {
                dayCosts[d] = dayCosts[d + 1];
            }
        }
        return dayCosts[minDay];
    }
}

运行结果:
11
17

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值