1030 完美数列

1030 完美数列 （25 分)

题意描述：

给定一个正整数数列，和正整数 p，设这个数列中的最大值是 M，最小值是 m，如果 M≤mp，则称这个数列是完美数列。

现在给定参数 p 和一些正整数，请你从中选择尽可能多的数构成一个完美数列。

输入格式：
输入第一行给出两个正整数 N 和 p，其中 N（≤10^​5​​ ）是输入的正整数的个数，p（≤10^​9​​ ）是给定的参数。第二行给出 N 个正整数，每个数不超过 10^​9​​ 。

输出格式：
在一行中输出最多可以选择多少个数可以用它们组成一个完美数列。

输入样例：
10 8
2 3 20 4 5 1 6 7 8 9
输出样例：
8

---

解题思路：
根据题意，我们可以把题目的描述改为如下的形式：
给定一个升序数组，（我们可以对输入的数组排序得到一个升序数组），从数组中挑出连续的（连续是一个隐藏的条件，因为要想让子数组的长度最长，就要让min 和 max组成的区间覆盖原数组中尽可能多的元素，把min 到 max的所有元素都放置到子数组中就是连续的。）一部分组成一个子数组，这个子数组要满足 max <= min * p。 求所有满足要求的最长子数组的长度。

这道题目可以用动态规划的思路来求解，时间复杂度为O(n) ，这样应该就不会超时了。

我们用一个数组dynamic_planning来记录输入数组data中的每一个元素作为 一个完美数列的最大值的时候 这个完美数列的长度。如dynamic_planning[1] 表示以data[1] 作为某个完美数列的最大值的时候这个数列的长度。
当程序执行到 data[x] 的时候， 所有以data[x]左边的元素作为最大值的完美数列的长度都已经求解出来了。那么对于以data[x]为最大值的完美数列有两种可能：

• 这个完美数列是data[x-1]的那个完美数列的扩展，这两个完美数列有着相同的最小值。此时 dynamic_planning[x] = dynamic_planning[x-1] + 1
• 这个完美数列和data[x-1]的那个完美数列完全不同，最大值不同，最小值也不同。这时，我们需要找到一个新的最小值，然后求出这个最小值到data[x]这个最大值之间的元素数量。

最后，我们已经求出了所有可能的完美数列的长度，只要返回其中的最大值即可。

---

代码：

def main():
    N, p = (int(x) for x in input().split())
    # 元组拆包
    data = [int(x) for x in input().split()]
    # 接收输入的N个数字为整数列表
    data.sort()
    # 对输入的数字排序，排序结果为从小到大
    dynamic_planning = [1 for x in range(N)]
    # dynamic_planning用来记录data中的每一个元素作为 一个完美数列的最大值的时候 这个完美数列的长度。
    # 如dynamic_planning[1] 表示以data[1] 作为某个完美数列的最大值的时候这个数列的长度。

    minn_index = 0
    # 当前的完美数列的最小值下标
    minn = data[minn_index]
    # 当前完美数列的最小值
    for x in range(1, N):
        if data[x] <= p * minn:
            # 如果data[x]所在的完美数列和data[x-1]所在的完美数列有着相同的最小值
            dynamic_planning[x] = dynamic_planning[x - 1] + 1
        else:
            # 否则找到一个与data[x]相适应的，新的最小值来构造完美数列
            while data[x] > p * minn:
                # 最小值不断增大，直到 data[x] <= p * M，直到满足完美数列的约束。
                minn_index += 1
                minn = data[minn_index]
            dynamic_planning[x] = x - minn_index + 1
            # 然后更新，新的完美数列的长度。看，因为data是我们已经排过序的结果，所以要把min 到 max 的所有元素都放进来，只需要计算下标即可。
            # 这一段可能不好理解，建议大家手动执行一下就能体会动态规划的魅力了。
    # print(data)
    # print(dynamic_planning)
    print(max(dynamic_planning))
    # 输出所有完美数列的最大长度即可


if __name__ == '__main__':
    main()

---

易错点：

• 直接暴力去做可能会超时。

---

总结：

• 存储中间结果，减少重复计算是动态规划的魅力所在。

---

另：

四月将尽，项目受阻，心力交瘁，身心俱疲。后续题目将改为不定期更新，下次更新时间待定。