问题描述
小R正在计划一次从地点A到地点B的徒步旅行，总路程需要 N 天。为了在旅途中保持充足的能量，小R每天必须消耗1份食物。幸运的是，小R在路途中每天都会经过一个补给站，可以购买食物进行补充。然而，每个补给站的食物每份的价格可能不同，并且小R最多只能同时携带 K 份食物。
现在，小R希望在保证每天都有食物的前提下，以最小的花费完成这次徒步旅行。你能帮助小R计算出最低的花费是多少吗？
测试样例
样例1：
输入：
n = 5 ,k = 2 ,data = [1, 2, 3, 3, 2]
输出：9
样例2：
输入：
n = 6 ,k = 3 ,data = [4, 1, 5, 2, 1, 3]
输出：9
思路解析
这个问题的解决方案是利用滑动窗口策略来确定在旅途中每个节点的最低食物购买成本。考虑到小R最多能携带K份食物，我们使用一个列表（称为窗口）来追踪当前窗口内的食物价格。 具体步骤如下：
- 我们将当前补给站的食物价格索引添加到窗口列表中。
- 检查当前价格是否为当前窗口中的最低价格。
- 如果窗口的大小超过了K，我们需要移除窗口中最旧的元素。如果这个被移除的价格恰好是当前窗口中的最低价格，我们需要重新在窗口中找到新的最低价格。
- 在每个窗口位置，我们购买窗口中的最低价格食物，并将其成本累加到总成本中。
这种方法的时间复杂度是O(n)，因为每个价格元素最多只会被添加和移除窗口一次。空间复杂度是O(k)，因为窗口中最多只会存储k个价格元素的索引。这样的策略确保了我们能够在保持食物供应的同时，以最小的成本完成旅行。
代码
def solution(n, k, data):
# 初始化变量
window = [] # 用于存储当前窗口内的食物价格
min_price = data[0] # 初始化最小价格为第一个补给站的价格
total_cost = 0 # 初始化总花费为0
# 遍历每个补给站的价格
for i in data:
window.append(i) # 将当前补给站的价格添加到窗口中
if i < min_price: # 如果当前价格小于已知的最小价格
min_price = i # 更新最小价格为当前价格
# 如果窗口中的食物数量超过K
if len(window) > k:
t = window[0] # 取出窗口中的第一个价格
window.pop(0) # 移除窗口中的第一个价格
if t == min_price: # 如果移除的价格是当前最小价格
min_price = min(window) # 在窗口中重新找到最小价格
# 将当前窗口的最小价格累加到总花费中
total_cost += min_price
return total_cost # 返回总花费
