算法分析与设计期中测试——最小和

从数列A[0], A[1], A[2], …, A[N-1]中选若干个数，要求对于每个i（0<=i< N-1），A[i]和A[i+1]至少选一个数，求能选出的最小和.

1 <= N <= 100000, 1 <= A[i] <= 1000

请为下面的Solution类实现解决上述问题的函数minSum，函数参数A是给出的数列，返回值为所求的最小和.

class Solution {
public:
int minSum(vector& A) {

}

};

例1：A = {2, 5, 2}，答案为4.

例2：A = {2, 5, 4}，答案为5.

注意：你只需要提交Solution类的代码，你在本地可以编写main函数测试程序，但不需要提交main函数的代码. 注意不要修改类和函数的名称.

比较容易往动态规划的方向想，一开始用递归的方法做结果超时了，改成循环就可以了。不得不说动态规划方法真的简洁优雅效率又高，就是要考虑清楚逻辑的完备性。状态转移方程如下，意思就是前i个数字的最小和有两种情况，一种包括第i个数字再加上前i-1个数字的最小和，另外一种包括第i-1个数字再加上前i-2个数字的最小和。要注意的是，比如说取了第i个数字不代表就不会取第i-1个数字，如2，5，2，1最优的情况是取2，2，1。

dp[i] = min(dp[i - 1] + A[i], dp[i - 2]+A[i-1]);

class Solution {
public:
    int minSum(vector<int>& A) {
        int *dp = new int[A.size()];

        if (A.size() == 1) {
            return A[0];
        }
        if (A.size() == 2) {
            return min(A[0], A[1]);
        }
        if (A.size() == 3) {
            min(A[0] + A[2], A[1]);
        }
        dp[0] = A[0];
        dp[1] = min(A[0], A[1]);
        dp[2] = min(A[0] + A[2], A[1]);
        for (int i = 3; i < A.size(); i++) {
            dp[i] = min(dp[i - 1] + A[i], dp[i - 2]+A[i-1]);
        }
        return dp[A.size() - 1];
    }
};