题目
有1000只水桶,其中有且只有一桶装的含有毒药,其余装的都是水。它们从外观看起来都一样。如果小猪喝了毒药,它会在15分钟内死去。
问题来了,如果需要你在一小时内,弄清楚哪只水桶含有毒药,你最少需要多少只猪?
回答这个问题,并为下列的进阶问题编写一个通用算法。
进阶:
假设有 n 只水桶,猪饮水中毒后会在 m 分钟内死亡,你需要多少猪(x)就能在 p 分钟内找出“有毒”水桶?n只水桶里有且仅有一只有毒的桶。
解题思路
这道题最重要的就是解题思路。
一开始找不到思绪,后来参考了其他人的解题方法,豁然开朗。
其实最关键的就是用一个n维空间定义坐标的思想。
注意,题目中并没有说1头小猪15分钟内只能喝1桶水。
用题目中给的数据为例:
每只猪在实验时间内可检测的数量是60/15+1=5(需要注意的是最后要+1,因为如果前面的水喝完都没死的话,说明毒水肯定是最后一桶,也不用再喝了)。
如果用两头小猪进行实验,则可将水桶定义为二维坐标,两头猪分别检测x与y方向的水:每头猪15分钟内需尝试5桶水(一排或一列)。
以此类推,3头猪则可推广到3维坐标,对应的,每头小猪每15分钟内尝试5^2桶水。
这样,每增加1头小猪,可检测的水桶数就乘5,问题解决效率就很高了。
理清了思路,代码其实很简单。
代码
class Solution(object):
def poorPigs(self, buckets, minutesToDie, minutesToTest):
"""
:type buckets: int
:type minutesToDie: int
:type minutesToTest: int
:rtype: int
"""
times = minutesToTest / minutesToDie + 1 #每头猪最多可测试的水桶数
num = 0
while pow(times,num) < buckets:
num = num + 1
return num
题外话(皮一下)
高效率总是要牺牲其他方面的代价的。从动物福利与保护的角度来讲,本题采用上述方法一方面减少了实验动物的数量,但另一方面也增加了实验动物的死亡概率。很大概率上,采用n只小猪进行实验,最后它们都会中毒而亡,因为采用n维坐标定位需要n个元素。而采用线性搜索的话测出毒水只用牺牲1头猪。这大概也就是题目为什么是“可怜的小猪”的原因了吧,因为从它们被选定成为实验猪起,就面临九死一生的危险境地。