Какое минимальное количество секунд вам требуется, чтобы сделать возможным прохождение уровня с заданными значениями

def get_time_costs_for_direct_jump(n, p, a, x, y):
    """Получение стоимостей
    корректировки массива a
    таким образом, чтобы был
    прямой прыжок со старта
    в клетку массива a, чей
    индекс изначально был i."""
    direct_jump_costs = [0] * n
    for i in range(n):
        #Если в целевой клетке нет
        #платформы, то добавим ее,
        #затратив x секунд, иначе
        #ничего не тратим.
        if a[i] == '0':
            add_cost = x
        else:
            add_cost = 0
        #Подсчитаем количество клеток,
        #которые необходимо удалить с
        #начала массива, чтобы можно
        #было допрыгнуть до требуемой
        #клетки.
        count_of_cells_to_remove_from_start = i - p
        if count_of_cells_to_remove_from_start < 0:
            count_of_cells_to_remove_from_start = 0
        #Подсчитаем стоимость удаления
        #клеток.
        remove_cost = y * count_of_cells_to_remove_from_start
        #Подсчитаем стоимость
        #трансформации массива
        #для возможности прямого
        #прыжка в клетку с индексом i.
        direct_jump_costs[i] = add_cost + remove_cost
    return direct_jump_costs
 
def get_time_costs_for_lengths(direct_jump, n, p, k, a, x):
    """Используя динамическое
    программирование, функция
    подсчитывает оптимальные
    стоимости преобразования
    для различных длин массивов."""
    dp = direct_jump[:]
    for i in range(p + k, n):
        #Вычисляем стоимость реализации
        #с отскоком. При необходимости
        #добавляем в позицию a[i]
        #платформу, с соответствующими
        #затратами времени.
        cost_with_bounce = dp[i - k]
        if a[i] == '0':
            cost_with_bounce += x
        #Если оказалось, что реализация
        #с отскоком лучше (дешевле),
        #чем прямой прыжок, то
        #запоминаем стоимость
        #этого (лучшего) варианта.
        if cost_with_bounce < dp[i]:
            dp[i] = cost_with_bounce
    return dp
 
def get_min_time(n, p, k, a, x, y):
    #Индексация в задаче с 1,
    #а у нас с 0 - корректируем p.
    p -= 1
    #Получение стоимости прямых прыжков.
    direct_jump = get_time_costs_for_direct_jump(n, p, a, x, y)
    #Получение оптимальных стоимостей
    #для разных длин получаемых после
    #преобразования массивов.
    dp = get_time_costs_for_lengths(direct_jump, n, p, k, a, x)
    #Получение минимальной стоимости.
    min_time = min(dp[max(n - k, p):])
    return min_time
 
t = int(input())
for i in range(t):
    n, p, k = map(int, input().split())
    a = input()
    x, y = map(int, input().split())
    print(get_min_time(n, p, k, a, x, y))