1. 动态规划(从前往后)
dp[i]
代表从开始到第days[i]
天(包括这一天)花费的钱。
如果求解dp[i]
是遍历到i时再去看前1天、前7天和前30天花的钱+再买票的钱是没法计算的,因为前面的那些天已经买票了,即30天前的那一天可能已经花钱买了30天的票,如果再+票钱的话,就多余了。
所以就需要在dp[i]
这天买票的时候,就将之后的在票范围内的dp[j]
更新掉。
遍历到每一天days[i]
,我们都假设这一天没有旅游,需要买票(加上上次旅游花的钱即dp[i-1]
),并把买票之后可以访问到的dp[j]
更新。
这样就可以得到每一个days[j]
之前的天数花费一定的票费到达days[j]
这一天。
如果是访问到days[i]
这天发现已经通过之前的票旅游过了,那么这就是从开始到days[i]
天花费的最少的钱。
而如果访问到days[i]
这天,发现之前旅游买票还没有能长到这天的(即dp[i] == INT32_MAX
时),就根据旅游到前一次花费的最少的钱dp[i-1]
来更新dp[i]
。
时间复杂度:因为要算后面最多30天的dp,所以O(30*n) = O(n)
.
空间复杂度:O(n)
.
1 | class Solution { |
2. 动态规划(从后往前)
dp[i]
代表从第days[i]
天到最后一天旅游需要花的最少的费用。
在days[i]
天:
- 可能买1天的票到达
days[i+1]
天 - 可能买7天的票到达
days[j7]
天 - 可能买30天的票到达
days[j30]
天days[j7], days[j30]
分别代表在days[i]
天买7, 30天的票可以到达的最远的一天。
因为days[i] >= days[i+1]
必成立,所以可以贪心一下找到最后一天。dp[i] = min(dp[i + 1] + costs[0/1/2], dp[j7] + costs[2], dp[j30] + costs[3])
时间复杂度:因为要算后面最多30天的dp,所以O(30*n) = O(n)
.
空间复杂度:O(n)
.
1 | class Solution { |
3. 总结
正序遍历和逆序遍历的代码几乎是完全一样的,但是思想上却有很大的差距。
正序遍历是根据之前的买上票之后把之后可以到达的更新掉,
逆序遍历是根据之后花的最少的钱加上这一天花的可以到达之后那一天的票钱。