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
样例3：
输入：
n = 4 ,k = 1 ,data = [3, 2, 4, 1]
输出：10
问题理解
小R每天需要消耗1份食物，并且每天经过一个补给站，可以购买食物。每个补给站的食物价格可能不同，小R最多只能携带 K 份食物。目标是计算出完成 N 天旅行的最低花费。
数据结构选择
我们可以使用一个数组 data 来存储每天的食物价格。为了计算最低花费，我们需要考虑如何在每天购买食物以满足需求，同时不超过携带上限 K。
算法步骤
-
初始化：设置当前携带的食物数量为0，总花费为0。
-
遍历每一天：
- 如果当前携带的食物数量足够当天使用，则不需要购买。
- 如果当前携带的食物数量不足，则需要购买食物。购买的数量应为当天所需的最小数量，同时不超过携带上限
K。 - 更新总花费和当前携带的食物数量。
个人思考
-
初始思路：
- 最初的想法是每天检查当前食物是否足够，如果不足则购买。这种思路简单直接，但忽略了未来几天的价格变化。
-
优化方向：
- 未来价格预测：考虑到未来几天的价格，可以在当前天购买足够的食物以应对未来价格更低的天数。这样可以避免在价格较高的天数购买食物。
- 动态规划：可以考虑使用动态规划来解决这个问题。定义一个状态
dp[i]表示第i天结束时的最小花费，然后通过状态转移方程来更新dp数组。
