C++ 代码转换为 Python：动态规划求解最少操作次数

INF = float('inf')
n, T, m1, m2 = map(int, input().split())
a = [0] + list(map(int, input().split()))
r = [[False] * (n + 1) for _ in range(T + 1)]
l = [[False] * (n + 1) for _ in range(T + 1)]
dp = [[INF] * (n + 1) for _ in range(T + 1)]

for i in range(1, m1 + 1):
    x = int(input())
    for j in range(1, n):
        if x <= T:
            r[x][j] = True
        x += a[j]

for i in range(1, m2 + 1):
    x = int(input())
    for j in range(n, 1, -1):
        if x <= T:
            l[x][j] = True
        x += a[j - 1]

dp[0][1] = 0
for i in range(T):
    for j in range(1, n + 1):
        if i + 1 <= T:
            dp[i + 1][j] = min(dp[i + 1][j], dp[i][j] + 1)
        if i + a[j - 1] <= T and l[i][j]:
            dp[i + a[j - 1]][j - 1] = min(dp[i + a[j - 1]][j - 1], dp[i][j])
        if i + a[j] <= T and r[i][j]:
            dp[i + a[j]][j + 1] = min(dp[i + a[j]][j + 1], dp[i][j])

if dp[T][n] == INF:
    print('-1')
else:
    print(dp[T][n])

该 Python 代码实现了与 C++ 代码相同的动态规划算法，用于求解一个问题，求解最少操作次数以达到目标状态。

代码解释:

输入: 代码首先读取输入，包括目标值 T、元素数量 n、左移操作次数 m1、右移操作次数 m2 以及每个元素的值 a[i]。
初始化: 初始化两个二维布尔数组 r 和 l，分别表示在当前位置进行左移或右移操作是否可行。另外，初始化一个二维数组 dp，用于存储到达某个状态所需的最少操作次数。
构建 r 和 l 数组: 通过遍历所有左移和右移操作，构建 r 和 l 数组，记录每个位置进行操作的可行性。
动态规划: 使用动态规划算法，从初始状态 dp[0][1] 开始，迭代计算每个状态 dp[i][j] 需要的最小操作次数。dp[i][j] 表示在当前状态为 i，位置为 j 时所需的操作次数。
输出: 最后输出 dp[T][n] 的值，表示到达目标状态 T 所需的最小操作次数。如果 dp[T][n] 为 INF，则表示无法到达目标状态，输出 -1。

Python 代码与 C++ 代码的区别:

Python 代码使用 float('inf') 表示无穷大，而 C++ 代码使用 0x3f3f3f3f 表示无穷大。
Python 代码使用列表推导来初始化数组，而 C++ 代码使用 memset 函数初始化数组。
Python 代码使用 min 函数来求最小值，而 C++ 代码使用 min 函数来求最小值。
Python 代码使用 print 函数输出结果，而 C++ 代码使用 printf 函数输出结果。

总而言之，该 Python 代码使用动态规划算法，实现了与 C++ 代码相同的逻辑，用于解决一个问题，求解最少操作次数以达到目标状态。