沿着直路位于不同位置的M个苹果（0 <= M <= 7）。
每个苹果在时间限制后死亡。你必须拿走所有的M苹果。
所以你需要找出你应该在他们的最后期限之前采取苹果的顺序，并从最合适的位置开始。
苹果j位于距离道路最左端的距离d [j]处。取苹果的时间是瞬时的，并且假设一个单位距离可以在1个单位时间内行进。找到你可以的最小时间拿走所有的苹果。
示例：让他们成为5个苹果，以下五行显示每个显示
的对(distance ,time to perish)
(1,3)
(3,1)
(5,8)
(8,19)
(10,15)
此处最短时间为11。
编辑：如果M变为更大的值，如50或100？
，该怎么办？显然，蛮力不会起作用
答案 0 :(得分：0)
尝试{1, 2,..., M}的所有排列。从一个不是苹果斑点之一的位置开始是没有意义的。＃34;排列会告诉您拾取苹果的顺序。找出所有这些排列所花费的最短时间。这会及时运行O(M*M!)，速度足够快。
答案 1 :(得分：0)
我想我以前见过这样的东西，但我现在找不到它：我会根据我的记忆尝试重建一些东西。我会忽略给定的固定数量的苹果。
最好的答案是否可以在线内的苹果上完成？假设它确实如此，那么就在你拿起最后一个苹果之前，你已经在它的两侧捡到了苹果。但是你必须从最后一个苹果的一边走到另一边，所以当你走过它时，你会更好地拿起现在最后的苹果。因此，最好的解决方案必须通过拾取最左边的苹果或最右边的苹果来完成。
假设您知道为最左边的N-1个苹果解决问题的最佳成本，并且前往最右边的那些N-1个苹果。然后，您可以找到最合适的解决方案，最终可以在最合适的苹果上完成 - 这只是N-1 +可能的旅行成本和移动一步的成本。鉴于类似的信息，您可以计算出最有可能的解决方案的成本，该解决方案在最左边的苹果上完成。考虑到这两个成本，您可以花费最大的成本来拾取所有N个苹果，然后在必要时前往那些N的最左边（最右边）的苹果。
这显然是一种动态编程或记忆解决方案。形式少于2N ^ 2个子问题＆＃34;在k个苹果的连续区间解决问题的约束下找到最小成本，然后在必要时行进到那些k的最左边（最右边）苹果＆＃34 ;.给出k大小问题的最佳解决方案，你可以找出大小为k + 1的问题的最佳解决方案。所以这可以通过使用动态编程来解决，通过使用大小为k的条目构建所有部分解的表来构建大小为k + 1的条目或通过memoisation，使用递归来求解大小为k的解，同时解决大小为k的问题+1，但建立一个到目前为止找到的解决方案表，以便您永远不必两次解决相同的子问题。在任何一种情况下，所用的时间都会增加为N中的一些多项式，这比N！便宜。