仙之巅，傲世间

参考代码:

n = int(input())
s = int(input())

sumt = [0]
sumc = [0]
for _ in range(n):
    t, c = map(int, input().split())
    sumt.append(sumt[-1] + t)
    sumc.append(sumc[-1] + c)

f = [float('inf')] * (n + 1)
f[0] = 0

for i in range(1, n + 1):
    for j in range(i):
        f[i] = min(f[i], f[j] + sumt[i] * (sumc[i] - sumc[j]) + s * (sumc[n] - sumc[j]))

print(f[n])

解题思路:

初始化了一个数组 f 用于存储每个子问题的最优解。初始时将其所有值设为无穷大，表示当前还没有找到任何解。

动态规划的核心在于计算每个子问题的最优解。所以对于每个任务 i，它有可能是一批任务的最后一个任务。因此，代码中使用了两个嵌套的循环来遍历所有可能的分组情况。

在内部循环中，通过比较当前的最优解 f[i] 和之前的解 f[j] 加上当前任务的时间和费用以及启动时间的代价，来更新最优解 f[i]。

最后输出 f[n]，即最后一个任务所对应的最优解，即总费用最小的情况。