您正在组织一次黑客马拉松，并决定为获奖者提供免费的云存储作为奖励。 对于奖金，您拥有1024 GB的云空间。 您可能会给这些GB数据，条件是黑客马拉松中的较高位置将获得更大的空间。 由于您希望使尽可能多的参与者感到高兴，因此您想找到要为其奖励的最大席位。 这意味着，如果您只有8 GB的可用空间，那么您将总共拥有3个职位-获胜者获得5 GB，亚军获得2 GB，排在第三位的人获得1 GB（可能会有其他变化-4，3和1 GB，但8 GB的位置数仍为3）。
那么您如何解决呢？ 请注意（如以上示例所示），对于给定数量的职位（我们称其为p ），可能存在多种分布。 确实，这归结为以不同的较小数字的总和表示一个数字，使得这些数字越多越好。 对于8个演出，我们可以选择8 = 7 + 1或8 = 5 + 3的形式 ，但这并不是最佳选择，因为8可以表示为多个数字的总和，例如在8 = 5 + 2 +1 。 一个可以为解决此问题增加便利的数学概念是分区的概念-用Wikipedia引用正整数n （也称为整数）的分区 分区，是将n表示为正整数之和的一种方式。 因此，在我们的情况下，我们只想计算具有尽可能多的数字的512分区。 为了进行对话，我们将其称为最大分区 。
在计算机科学中，此问题属于一类问题，其解决方案使用贪婪算法-这些过程在解决方案的每个阶段都做出局部最优选择，希望找到全局最优值。
解决我们的示例的“贪婪”方法如下：以1作为第一个被乘数似乎不自然吗？ 剩下的就是将7表示为最大分区，并向其添加1。 但是现在将7表示为最大分区有一个约束-我们不能使用1。因此，我们使用2并继续将8-（1 + 2）= 5表示为最大分区。 同样，为此，我们不能使用1和2。我们也不能使用3或4，因为那样的话，我们最终将分别使用2和1。 因此，我们仅将5表示为自身，我们已经完成了-现在，我们的最大分区为8 = 1 + 2 + 5 。 可以很容易地看出，当我们最初想要弹出的数字（此处为3 ）至少是剩余数字（此处为5 ）的一半时，就会出现这种最终条件。 我把那部分留给你弄清楚。
因此，更正式地讲这个策略-考虑我们最初有两个数字n = 8和l = 1 。 如果n≤2l ， 我们简单地将n表示为自身，否则我们弹出l ，然后解决将n-1表示为最大分区的子问题，以使分区中的每个数字至少为l + 1。 该子问题的l值比原始问题大1。 因此，对于我们的代表8作为最大分区的示例（N，L），我们首先弹出1，然后求解子（NL，L + 1），即（7,2）。 对于这个子问题，我们弹出2，然后求解子（7 -2，2 + 1），即（5,3）。 现在，由于5≤2x3 ，我们只弹出5就完成了。 现在，我们将弹出的数字相加即可得出8 = 1 + 2 + 5 。
由于我们现在已经更正式地阐明了该策略，因此很容易提出一个工作程序来解决我们的问题。 这是Python 3中一个简单的实现：
def max_partition(n, l=1):
partition = []
while n > 2*l:
partition.append(l)
n = n - l
l += 1
partition.append(n)
return partition
print(max_partition(int(input())))
但是，等等-我有另一种方法。 也许更好。 我注意到可以表示为前n个自然数之和的数字是特殊的。 当炫耀自己的身份时，他们不是已经处于最大分区形式了吗？ 例如，当6书写为6 = 1 + 2 + 3时，不是6已经处于最大分区形式吗？ 当10写入10 = 1 + 2 + 3 + 4时，不是10已经处于最大分区形式吗？ 为了进行对话，我们将此类数字称为“高级数字”。 这种见解构成了我算法的基础。
我们的操作方法如下：如果要查找的最大分区数n已经是一个高级数，我们可以简单地用n = 1 + 2 + 3 +…+ k的形式表示它。 如果它不是高阶数，我们仍然会找到一个k ，它正好足以使总和s = 1 + 2 + 3 +…+ k大于n （足够大，我的意思是k可以使1+ 2 + 3 + …+ k大于n ，但对于1 + 2 + 3 +…+ k-1不能做相同的事情。 由于k刚好足以使s大于n ，因此sn将小于k 。 所以SN将是1，2，3，...，K-1之间的数字。 如果我们从前k个自然数的总和中“抽取” sn怎么办？ 那将给我们s-（sn） ，不过就是n ！
顺便说一句，上一段的最后一个字符不是阶乘 ial。 让我们形象化到目前为止所学到的想法。 通常，使用Ferrers图来可视化分区，但是出于我们的目的，我发现自定义可视化更加方便：在下面的树中，顶部节点是我们希望评估的最大分区数。 叶子是max-partition表示中的数字，当然，将这些数字相加即可得出顶部节点上的数字。 对于资深人士来说，一切都很好：
对于不高级的数字，我们剪切适当的分支，以便不添加通过该分支连接到顶部节点的叶子上的数字。 考虑9的情况：
下面是8的树。请注意，我们只是找到数字k。 对于8和9，它是4。由于前4个自然数的总和是10，我们首先为10绘制树，然后在顶层节点中将10替换为我们想要的数字-这是8。然后，将连接的分支剪掉数字10 – 8 = 2的顶部节点。对于9，该数字为10-9 = 1。
那么最大分区就是剩余叶子的总和。 希望您现在了解我的算法。
找出“足够大的k ”的方法还有待发现。 但这是一个非常简单的计算。 前k个自然数的总和为n = k *（k + 1）/ 2 。 在将该方程解为正数k之后 ，我们得到k =（√（1 + 8 * n）– 1）/ 2 。 由于如果n不是一个高级数字， k将是分数，因此我们对其进行了上限。 这使k足够大。
我认为到目前为止，我已经清楚地阐明了该算法。 因此，我们可以对解决方案进行编程。 这是Python 3中另一个简单的实现：
import math
def optimal_summands(n):
k = ((1 + 8*n)**0.5 - 1) / 2
k = math.ceil(k)
summands = list(range(1, k+1))
the_sum = int(k * (k+1) / 2)
if the_sum - n > 0: # If n is not senior.
del summands[the_sum-n-1]
return summands
print(optimum_summands(int(input())))
如果我们对这两种算法进行一些分析，就会发现它们都在线性时间内运行，即O（n） 。 然而，隐藏在O（n）的无形常数也许是optimal_summands（）比max_partition少得多（）。
我在Python中做了一些简单的检查，看哪种方法更快，而后一种方法的执行速度是前一种方法的三倍 。 我使用Python的timeit模块对这两种算法进行计时，这是我对Python解释器进行的一项检查的实例：
>>> from timeit import timeit
>>>
>>> timeit(setup='from different_summands import optimal_summands', stmt='optimal_summands(10000)', number=100000)
0.8999944160023006
>>>
>>> timeit(setup='from greedy_different_summands import max_partition', stmt='max_partition(10000)', number=100000)
3.161972836998757
>>>
我经常观察到，了解一些数学事实可以使人们开发出一种更好的算法，或者至少可以更快，更直观地开发一种算法。 数学见解通常可以显着改善程序的运行时间。 数学和计算机科学-尤其是算法研究是很好的朋友！
如果您知道其他一些因素会使后者的程序运行更快，请在评论中告知我。 最后，也许贪婪并不总是很好，但数学却可以。 😀
顺便说一下，您可以将这1024 GB拆分为：
1024 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 12 + 13 + 14 + 15 + 16 + 17 + 18 + 19 + 20 + 21 + 22 + 23 + 24 + 25 + 26 + 27 + 28 + 29 + 30 + 31 + 32 + 33 + 34 + 35 + 36 + 37 + 38 + 39 + 40 + 41 + 42 + 43 + 44 + 45
（请注意缺少的数字吗？提示：这是前45个自然数的总和-1024。）
当然，您的黑客马拉松必须有超过45位参与者！ 🙂
PS：我应该为此写ArXiv论文吗？
From: https://hackernoon.com/another-way-to-find-max-partitions-36005590a2a5
2265
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
