当前位置: 首页 > news >正文

[NOIP2002 提高组] 均分纸牌

题目描述

有N堆纸牌,编号分别为 1,2,…,N。每堆上有若干张,但纸牌总数必为N的倍数。可以在任一堆上取若干张纸牌,然后移动。

移牌规则为:在编号为1堆上取的纸牌,只能移到编号为2的堆上;在编号为N的堆上取的纸牌,只能移到编号为N−1的堆上;其他堆上取的纸牌,可以移到相邻左边或右边的堆上。

现在要求找出一种移动方法,用最少的移动次数使每堆上纸牌数都一样多。

例如N=4,4堆纸牌数分别为:

①9②8③17④6

移动3次可达到目的:

从 ③ 取4张牌放到 ④ (9,8,13,10)-> 从 ③ 取33张牌放到 ②(9,11,10,10)-> 从 ② 取11张牌放到①(10,10,10,10)。

输入格式

两行

第一行为:NN(NN 堆纸牌,1≤N≤100)

第二行为:A1,A2,…,An(N堆纸牌,每堆纸牌初始数,1≤Ai≤100001≤Ai​≤10000)

输出格式

一行:即所有堆均达到相等时的最少移动次数。

输入数据 1

4
9 8 17 6

输出数据 1

3

根据题目描述,我们需要将所有堆的纸牌数量调整为相等,并且要求移动次数最少。通过分析可以发现,每个非目标值的堆都需要至少一次移动来调整其数量,因此最少移动次数等于需要调整的堆的数量减一(当相邻堆都需要调整时,可以合并移动)。

以下是解决该问题的 C++ 代码:

#include <iostream>
#include <vector>
using namespace std;
int main()
{int n;cin >> n;vector<int> cards(n);int sum = 0;for (int i = 0; i < n; i++) {cin >> cards[i];sum += cards[i];}int avg = sum / n;for (int i = 0; i < n; i++) {cards[i] -= avg;}vector<int> prefix(n);prefix[0] = cards[0];for (int i = 1; i < n; i++) {prefix[i] = prefix[i-1] + cards[i];}int count = 0;for (int i = 0; i < n; i++) {if (prefix[i] != 0) {count++;}}cout << count << endl;return 0;
}

代码说明:

  1. 输入处理:首先读取堆数n,然后读取每堆的纸牌数量并计算总和。
  2. 计算平均值:总和除以堆数得到每堆应有的纸牌数量。
  3. 调整数组:将每堆的纸牌数量转换为与平均值的差值。
  4. 前缀和数组:计算调整后数组的前缀和,前缀和中的每个元素表示从第一堆到当前堆的总差值。
  5. 统计非零元素:前缀和数组中非零元素的数量即为最少移动次数。

该算法的时间复杂度为 O (n),能够高效处理题目给定的数据范围。

让我们通过逐步拆解问题和代码逻辑,深入理解如何通过前缀和数组的非零元素数量确定最少移动次数。

一、问题本质分析

  1. 核心矛盾:每堆纸牌数与平均值的差异需要通过移动消除。
  2. 移动规则:每次移动只能影响相邻堆,且移动方向受限(如堆 1 只能移到堆 2)。
  3. 关键观察
    • 若某堆的纸牌数与平均值的差为d,则必须通过移动d张纸牌到相邻堆来平衡。
    • 每次移动可以消除一个累积的不平衡(即前缀和中的非零值)。

二、代码逻辑详解

1. 输入处理与平均值计算
int n;
cin >> n;
vector<int> cards(n);
int sum = 0;
for (int i = 0; i < n; i++) {cin >> cards[i];sum += cards[i];
}
int avg = sum / n;

  • 输入处理:读取堆数n和每堆的初始纸牌数。
  • 平均值计算:总和sum除以堆数n得到目标值avg。若纸牌总数不是n的倍数,题目保证输入合法,因此无需处理。

2. 调整数组(差值数组)
for (int i = 0; i < n; i++) {cards[i] -= avg;
}

  • 差值数组:将每堆的纸牌数转换为与平均值的差值。例如,若某堆初始有 9 张,平均值为 10,则差值为-1,表示需要移入 1 张纸牌。

3. 前缀和数组构造
vector<int> prefix(n);
prefix[0] = cards[0];
for (int i = 1; i < n; i++) {prefix[i] = prefix[i-1] + cards[i];
}

  • 前缀和的意义prefix[i]表示从第 1 堆到第i堆的总差值。例如,若前 3 堆的差值分别为-1, -2, 7,则prefix[2] = -1 + (-2) + 7 = 4,表示前 3 堆总共多出 4 张纸牌,需要后续堆来平衡。

4. 统计非零元素数量
int count = 0;
for (int i = 0; i < n; i++) {if (prefix[i] != 0) {count++;}
}
cout << count << endl;

  • 移动次数的来源:前缀和数组中的每个非零元素代表一个必须进行的移动步骤。例如:
    • prefix[i]为正,表示前i堆需要移出prefix[i]张纸牌;
    • 若为负,表示前i堆需要移入abs(prefix[i])张纸牌。
    • 每次移动可以消除一个非零的前缀和值,因此非零元素的数量即为最少移动次数。

三、数学证明与示例验证

1. 数学证明
  • 前缀和的性质
    由于所有堆的总差值为 0(总和为sum - n*avg = 0),前缀和数组的最后一个元素prefix[n-1]必为 0。
  • 移动次数的推导
    假设前缀和数组中有k个非零元素,每次移动可以消除一个非零值(例如,将prefix[i]的不平衡转移到下一堆),最终所有前缀和都变为 0,因此需要k次移动。

2. 示例分析(输入:4 9 8 17 6)
  • 步骤 1:计算平均值
    sum = 9+8+17+6 = 40avg = 40/4 = 10
  • 步骤 2:构造差值数组
    cards = [9-10, 8-10, 17-10, 6-10] = [-1, -2, 7, -4]
  • 步骤 3:计算前缀和数组
    prefix[0] = -1
    prefix[1] = -1 + (-2) = -3
    prefix[2] = -3 + 7 = 4
    prefix[3] = 4 + (-4) = 0
    非零元素为-1, -3, 4,共 3 个,对应移动次数 3。

3. 移动过程与前缀和的关系
  • 第一次移动:从堆 3 移 4 张到堆 4。
    差值数组变为[-1, -2, 3, 0],前缀和变为[-1, -3, 0, 0]。此时非零元素减少 1 个。
  • 第二次移动:从堆 3 移 3 张到堆 2。
    差值数组变为[-1, 1, 0, 0],前缀和变为[-1, 0, 0, 0]。非零元素再减少 1 个。
  • 第三次移动:从堆 2 移 1 张到堆 1。
    差值数组全为 0,前缀和全为 0。移动次数为 3。

四、时间复杂度分析

  • 输入处理:O(n)
  • 平均值计算:O(1)
  • 差值数组构造:O(n)
  • 前缀和数组构造:O(n)
  • 非零元素统计:O(n)
  • 总时间复杂度:O (n),可高效处理题目给定的n≤100的数据规模。

五、关键思想总结

  1. 差值数组:将问题转化为消除各堆与平均值的差异。
  2. 前缀和数组:将全局的移动需求转化为局部的累积不平衡。
  3. 贪心策略:每次移动消除一个累积的不平衡,非零前缀和的数量即为最少移动次数。

通过这种方法,我们无需模拟具体的移动过程,而是通过数学分析直接得出最优解,体现了算法设计中的抽象思维和问题转化能力。

http://www.dtcms.com/a/306914.html

相关文章:

  • 破解海外仓客户响应难题:自动化系统是关键
  • 如何选择GEO优化公司哪家好?
  • MySQL学习---分库和分表
  • NSGA-III(非支配排序遗传算法 III)求解 7 目标的 DTLZ2 测试函数
  • DFT设计中的不同阶段介绍
  • 天地图Api4.0.怎么根据geojson的数据。把一个省的所有市区标记色块和文字
  • 【ssh】ubuntu服务器+本地windows主机,使用密钥对进行ssh链接
  • 怎么在 WSL CentOS8 与宿主机windows11 之间传递文件
  • 网络编程(C语言)
  • 从训练到推理:Intel Extension for PyTorch混合精度优化完整指南
  • 常见CMS获取webshell的方法-靶场练习
  • 集成电路学习:什么是ARM CortexM处理器核心
  • sqli-labs:Less-5关卡详细解析
  • STP技术
  • 应用驱动 协同创新:中国人工智能开启高质量发展新篇章
  • 深度学习与图像处理案例 │ 图像分类(智能垃圾分拣器)
  • 360环视技术推荐的硬件平台:支持多摄像头与三屏异显的理想选择
  • LeetCode 刷题【22. 括号生成】
  • 敏捷与SCRUM三大支柱:数字化时代的韧性引擎
  • 【解决方案】frida-ps -Ua报错unable to perform ptrace pokedata: I/O error
  • [Python] -进阶理解10- 用 Python 实现简易爬虫框架
  • 外键列索引优化:加速JOIN查询的关键
  • 嵌入式摄像头深度解析
  • Ubuntu虚拟机介绍、命令、安装软件指令(一)
  • CNN实战项目
  • ica1靶场攻略
  • 二叉树算法之【二叉树的层序遍历】
  • python | numpy小记(八):理解 NumPy 中的 `np.meshgrid`
  • C++ Qt网络编程实战:跨平台TCP调试工具开发
  • 基于SpringBoot+MyBatis+MySQL+VUE实现的便利店信息管理系统(附源码+数据库+毕业论文+远程部署)