这个问题是一个典型的动态规划问题，目的是通过在合适的补给站购买食物，确保每天都有食物并且花费最少。我们可以用动态规划来解决这个问题。
解题思路 我们需要建立一个数组 dp，其中 dp[i] 表示到达第 i 天时所需的最少花费。我们根据每一天的补给站和食物价格来更新这个数组。
初始化：从第0天开始，我们有一个补给站，所需的食物费用为 p[0][1]。
动态规划转移：
对于每一天 i，如果在第 i 天有补给站，那么我们可以选择从之前的某一天购买食物，更新最少花费。 比如，假设 p[j] 表示第 j 天的补给站，在第 j 天购买食物，并且我们可以用这个补给站购买食物直到第 i 天。 于是我们可以推导出：dp[i] = min(dp[i], dp[j] + (i - j) * p[j][1])，其中 dp[j] 是前一阶段的最小花费，(i - j) * p[j][1] 是从 j 到 i 这段时间所需的食物费用。 最终结果：dp[m-1] 就是我们需要的最小花费。
代码实现 def min_cost(m, n, p): # dp[i]表示到达第i天的最少花费 dp = [float('inf')] * m dp[0] = p[0][1] # 第0天的补给站价格
for i in range(1, m):
for j in range(i + 1):
# 检查第j天是否有补给站
for k in range(n):
if p[k][0] == j:
dp[i] = min(dp[i], dp[j] + (i - j) * p[k][1])
return dp[m-1]
测试样例
print(min_cost(5, 4, [[0, 2], [1, 3], [2, 1], [3, 2]])) # 7 print(min_cost(6, 5, [[0, 1], [1, 5], [2, 2], [3, 4], [5, 1]])) # 6 print(min_cost(4, 3, [[0, 3], [2, 2], [3, 1]])) # 9 解释 dp[i] 表示到达第 i 天的最小花费。 对于每个补给站，我们会在不同的天数尝试最优策略，通过动态更新 dp 数组来记录最少的花费。 最终输出 dp[m-1]，即到达最后一天所需的最少费用。 测试用例 样例1: 输入：m = 5 ,n = 4 ,p = [[0, 2], [1, 3], [2, 1], [3, 2]] 输出：7
样例2: 输入：m = 6 ,n = 5 ,p = [[0, 1], [1, 5], [2, 2], [3, 4], [5, 1]] 输出：6
样例3: 输入：m = 4 ,n = 3 ,p = [[0, 3], [2, 2], [3, 1]] 输出：9
进一步优化 当前的解法时间复杂度是 O(m * n^2)，对于 n 和 m 较大的情况下，可能不够高效。可以通过更多的优化技巧来降低复杂度，例如使用动态规划+单调队列优化。
