Python|动态规划反推解决最低票价

简介: Python|动态规划反推解决最低票价

问题描述

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:

1.一张为期一天的通行证售价为 costs[0] 美元

2.一张为期七天的通行证售价为 costs[1] 美元

3.一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。

解决方案

本题是一道较为清晰思路的动态规划题,通过查看力扣解题情况,发现不管使用什么语言,大多都是顺序推出的,所以这里讲一下逆序推出的过程。

正序逆序的区别主要是一个向前累计,一个向后累计,最后得到两边的数就是需要的结果。

梳理一下本题思路:三种票价,分别对应三种天数,我们以从最后一天推导为例,在我们要旅行的最后一天,三种价格的票都可以供我们购买。但择其最优解,很显然就一天,所以买一天的票。此时票价累计便为当前最后一天的票的价格。然后将这种累计存入一个含有要旅行的最后一天天数个元素的列表中,并将其位置与天数位置对应。如果前一天不旅行,这种累计就在列表中向前提一位。

就这样反向遍历,直到遇到下一次要旅行的天数,仍然有三种购票情况:

1.只买一天,后边不管,票价为cost[1]

2.买七天,管后边的七天,后边7天累计置为0

3.买三十天,管后边的30天,后边30天累计置为0

然后根据本次购票与对应情况所产生的累计进行相加,得到本次买票后产生的三种累计情况,用min()函数择其最小,就是当前天数的累计。直到循环到第一个要旅行的天数。产生的累计就是我们需要求得答案,也就是最低票价。

Python代码:

def mincostTickets(days,costs):

     all_days = days[-1]

     dp = [0]*(all_days+31)

 

     for i in range(all_days,-1,-1):

         if i in days:

            dp[i] = min(dp[i + 1] + costs[0],  dp[i + 7] + costs[1], dp[i + 30] + costs[2])

 

         else:

            dp[i] = dp[i + 1]

     return dp[0]


结语

动态规划的一些题目往往不是只有一种最优解,在思考正向规划的同时,考虑一下反向规划,这样可能会从中发现更加准确且高效的解题思路。当然,反向推理时要注意一些边界的细节,否则可能会造成一些小错误。

目录
相关文章
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
160 8
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
176 3
|
SQL 算法 数据挖掘
动态规划Dynamic programming详解-编辑距离问题【python】
动态规划Dynamic programming详解-编辑距离问题【python】
|
11月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
205 2
|
12月前
|
存储 算法 Python
【10月更文挑战第16天】「Mac上学Python 27」小学奥数篇13 - 动态规划入门
本篇将通过 Python 和 Cangjie 双语介绍动态规划的基本概念,并解决一个经典问题:斐波那契数列。学生将学习如何使用动态规划优化递归计算,并掌握编程中的重要算法思想。
205 3
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
288 2
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
138 1
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
152 1
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
157 1
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
150 1

热门文章

最新文章

推荐镜像

更多