Algorithm 找到最有价值的算法组合？

我正在进行一个小项目，需要帮助根据用户的一些输入找到最好、最便宜的门票：

• 在什么时段之间（开始和结束日期）
• 在这段时间内，你是否跳过了一个或几个日期
• 您每天需要使用车票多少次

有x张票。一张票可以包括：

单程票，仅限使用一次，票价5美元

定期票（每天不限乘车次数），从1天/10美元、3天/30美元、7天/45美元起，您可以任意使用

我想我正在寻找某种算法，根据时段（包括或不包括跳过日期）以及票价来确定门票的最佳组合

此外，我想还需要考虑这样的情况：对我来说，买一张比我实际需要的时间更长的定期票是一个更好、更便宜的结果，但根据我每天乘车的次数，它更便宜

更新（基于Petr建议…）

---

假设您将所有数据存储在某个天数数组中，并且每天都会记录下当天的乘车次数

旁注：我将放宽持续时间24小时的票证条件，并假设每个定期票证都适用于该日期（即不从15:00开始，持续到第二天14:59）。这可以通过将其视为小时时间单位而不是天来解决

次优解决方案：

现在，让我们将当天购买单程车票的成本分配给所有日子，然后开始迭代数组，检查是否可以用更便宜的车票替换其中的一些车票。当没有进行任何更改时，您将完成。这里的问题是，您可能会错过最佳解决方案。您可以分配两张3天票（1-3天和7-9天），其中一张7天票（2-8天）和两张1天票更好

树解决方案：（叶子中的数据）

树选项是将其排列在树中，每个子树都包含该子树的最佳解决方案。然后，当考虑到遗漏部分的根的值时，每个子树根可以检查使用票据“覆盖”子树的一部分是否有用。

也许排名树会在这里派上用场。
您可以使用动态规划方法解决这个问题

首先，为了简化算法，让我们为每个
l
计算可用于连续
l
天的最便宜单张票。例如：1天$10，2天$30（买一张3天的票，只使用2天），3天$30，4-7天$45，等等（显然会有一些最大值
l
，超过这个值就没有这样的票了。）将这些结果表示为
成本[l]

现在主要解决动态规划问题。对于[
begin
，
end
]范围内的每个日期
i
，计算
ans[i]
=至少从
begin
到
i
的最小购票成本

假设您已经计算了date
i
之前的所有值，那么date
i
的计算很简单。您需要一些在
i
日结束的票。假设它涵盖了
l
天的长度，那么最后一张票的价格将是
cost[l]
，您还必须涵盖从
begin
到
i-l
的天数，这将花费
ans[i-l]
（如果
i-l
在
begin
之前，则为零）。因此，对于给定的
i
迭代所有可能的
l
s，并找到使解决方案最小化的方法

这为您提供了
O（NL）
解决方案，其中
N
是天数，
L
是单个票据的最大跨度

所有这些都假设每个被勾选的日期都是连续的几天。比如说，如果它涵盖了24个完整的小时（从购买的时间到第二天的同一时间），那么只需计算每个小时的答案。
从我的例子来看，根据@Petr所说的，我真的不知道它如何解决这种情况，例如，这段时间涵盖了8天（每天两次旅行），结果如下：

-- getCheapestTicket --
DAYS TO COVER: 8 / TRIPS: 2
TICKET: single / Units to cover days: 16 / Sum: 80 / Period: -1
TICKET: 1 day / Units to cover days: 8 / Sum: 80 / Period: 1
TICKET: 3 days / Units to cover days: 3 / Sum: 90 / Period: 3
TICKET: 7 days / Units to cover days: 2 / Sum: 90 / Period: 7
CHEAPEST TICKET: 1 day / PRICE PER UNIT: 10 / SUM: 80

它应该给我这个组合的结果：

7 days, $45
1 day, $10

或者这就是你所说的“（很明显，会有一些l的最大值，超过这个值就没有这样的票证了。）”

如果能得到关于你想法的另一轮解释，那真是太好了
 请为您的问题提供示例输入和输出。你也应该读一些关于动态编程的书——闻起来像是一个很适合它的问题（尽管我不是100%确定，因为我不完全理解这个问题），我不确定我是否遵循了。根据你的建议，请看一下我的第一步。如果你看一下我的例子，你能给出一个更具体的答案吗？
7 days, $45
1 day, $10