趣题：怎么从一帮女装大佬中分辨出谁是真妹子？（大雾）

尝试一篇仿m67风格的博客。

你受邀参加一场女装聚会，除了你和聚会组织者之外还有n个人参加，这些人你都不认识。

组织者告诉你：这场聚会上所有人都会穿女装，但其中有一部分是真妹子，另外一些则是女装大佬。

作为直男，你的目的显然是去欣赏妹子而不是女装大佬。然而到现场之后你慌了——单身多年的你竟然分辨不出哪些人是妹子。泡到一个女装大佬显然是一个让人想想就菊花一紧的事，你又不想白来一趟，于是赶紧向组织者求助。

你以为你会很快得到想要的答案？哈哈你想得太简单了，这种魔术揭秘一般的事怎么可能随便告诉你，不然聚会的乐趣全无。不过，看着你饥渴可怜的眼神，组织者还是决定帮你一把：

不妨把所有人按照1~n编号。每次你可以向组织者给出两个编号集合，每个集合里元素不能重复（但两个集合可以有相同元素）。组织者会告诉你：其中某个集合里的妹子数量，一定不少于另一个集合。

举个例子：你向组织者询问集合{1,2,3,6,8}和{2,3,4,5},组织者回答第二个集合，就代表集合{2,3,4,5}中的妹子人数一定不少于集合{1,2,3,6,8}中的妹子人数。

需要注意的是，如果两个集合妹子人数一样，则组织者无论回答哪个集合都是合理的，此时他会任选一个集合回答你。

组织者信心满满地认为，即使他给出了这些信息，你还是无法确定出所有人的性别。他是对的，举个最简单的例子，当n=1时，你显然无法得到任何有用的信息。于是，他又向你透露了两个关键信息：

1、这场聚会中至少有一个妹子，也就是说绝对不会所有人都是女装大佬。不过不排除所有人都是妹子而没有女装大佬的情况。

2、他告诉你了场上妹子人数的奇偶性。

组织者认为即使这样你还是没辙，谁知你却已经有了一个方案，能问出所有人的性别！不仅如此，你还打算用最省事的方式问出答案。这里的“最省事”不是询问次数最少，而是询问的总人次数（也可以看做所有询问的集合大小总和）最小。

试问：你有什么好的方案？注意你给出的方案应该能在任何情况下（比如，你可以假定在所有两集合相等时都回答对你最不利的答案）都能给出正确答案。

 

 

 

 

 

 

 

 

 

 

这题第一眼看上去比较简单，不过在多次尝试之后，想必你已经发现了：“两集合相同时返回任意一个”这个设定远比你想象中的坑得多。比如，你永远无法直接询问两个集合来得到它们之间准确的大小关系——即使你询问了许多次得到的结果都相同，你又怎么能确定，确实是这个集合更大，而不是两个集合相等而你运气背到了一定程度呢？（别忘了，你需要考虑的是对你最不利的情况。）

在接下来的叙述中，我们不妨把问题抽象成如下模型：我们要确定n个01变量的值，其中某个变量为0代表女装大佬，1代表妹子，并定义集合之间的“大于等于”运算指的是集合中1的个数之间的比较，定义询问总代价为所有询问的集合大小总和。

首先一个自然的想法是，如果把所有人两两比较一次会怎样？每个人都会进行n-1次比较，并且可以发现一个关键的性质：对于任意一个值为0的变量x和任意一个值为1的变量y来说，x大于等于其他元素的次数一定比y大于等于其他元素的次数多。

这是显然的，不妨设所有变量中有a个的值为0，则任意一个0最多只能大于等于a-1的元素，而任意一个1至少能大于等于a个元素。

因此，如果把所有变量按照大于等于其他变量的次数进行从大到小排序，则一定存在一个分界点，它的左侧全都是1，右侧全都是0。

问题是，怎么确定这个分界点在哪里呢？别忘了，保证至少存在一个变量为1，所以排在最靠前的元素一定是1。接下来，我们就可以枚举每一对相邻的元素，把它们放在一个集合（记做S），把这个确定的1放在另一个集合（记做T）。

接下来，有3种可能的情况发生：

1、这两个相邻的元素都是1，则一定会回答T。

2、这两个相邻的元素都是0，则一定会回答S。

3、这两个相邻的元素是一个1一个0，则返回S或T都有可能。

换句话说，对于两种可能的回答，我们能得到的信息如下：

1、如果回答的是T，说明两个元素是2个1，或者一个1一个0。

2、如果回答的是S，说明两个元素是2个0，或者一个1一个0。

由于我们已经知道了当前的序列一定是前面一段1后面一段0，所以询问结果也一定是前面一段T后面一段S。问题是，中间分界处有一处0和1相邻的情况，回答序列也有一处S和T相邻的情况，如何知道此处具体哪个回答对应的是一个0一个1的情况？

奇偶性！别忘了我们还有这么一个条件。因为中间的不确定性因素最多只有1，再结合1的个数的奇偶性我们就能得到一个准确的答案。

此时我们终于得到了一个确定性的解答，它的询问总代价是O(n^2)级别的。还能做得更好吗？

细心的读者可能已经发现，最后一步枚举所有的相邻对其实是没必要的。因为我们已经知道询问的结果必然是一段T一段S，我们就可以通过二分的方法确定分界点的位置在哪里。不过，这里的优化只是把一个O(n)变成了O(logn)，我们还是需要O(n^2)级别的总代价。

但是……再仔细想想，我们为什么会得到一个“询问的结果必然是一段T一段S”的结果？本质原因是我们把所有元素排成了前面一段1后面一段0……排序！我们第1步花O(n^2)的代价，本质上只是将这n个元素排了个序而已。不过我们既然可以直接对两个元素进行比较，为什么不直接进行排序呢？

众所周知，不少基于比较的排序算法的比较次数都是O(nlogn)级别，利用我们的“大于等于”运算，当然可以直接实现一个基于比较的排序。这样，我们就把总代价降低到了O(nlogn)级别。

还能更优一点吗？注意到基于比较的排序复杂度下界也是O(nlogn)级别，因此这种方法也就走到头了。

当时我做这个题的时候，认为O(nlogn)级别的代价就是最优方案了。事后才得知，居然有更优秀的方案，可以把总代价降低到O(n)级别！究其原因，还是因为我们的权值只有01两种，正常排序的话使用计数排序显然是O(n)的，我们却需要基于比较的O(nlogn)排序，这显然是一种浪费。

 

 

 

 

 

 

 

 

 

 

首先考虑我们能否找到一个值为1的元素出来。这本质上就是在找最大值，利用大于等于运算，我们能轻松地在O(n)的代价之内找出来。设这个元素为q。

然后呢？我们就可以利用这一个确定为1的元素，逐步确定其余所有的元素。

首先，如果当前仅剩1个未确定的元素，我们容易根据奇偶性确定出它的值。

否则，任取两个未确定的元素x,y,首先对它们进行一次比较，不妨设x>=y。

然后，再令S={x,y},T={q}，对S和T进行一次比较。

如果S>=T，意味着x和y中至少有1个为1。

如果T>=S，意味着x和y中至少有1个为0。

看起来我们还是不能确定每个元素的值，然而这个算法的最精妙之处就在这里：

以S>=T为例，此时x和y中至少有1个为1。然而我们又有x>=y,这意味着，如果x为0，那么y也必须为0，这就会产生矛盾。于是，此时x必须为1——尽管我们仍然不知道y的值，但是x的值我们可以确定了！

同样，如果S<=T，也可以推出y必须为0。

这个思路不可谓不令人惊讶——通过如上的操作，无论是x还是y我们都不能保证一定能求出它的准确值，但我们一定能求出其中某一个的值！

同时注意到进行一次上述操作的代价为5，因此求出所有元素的值，总代价是O(n)的。

这么长的文章看到这里也不容易，相信你如果还没被绕晕的话也一定会赞叹这算法的精妙。此时我说，这种算法还不是最优，你也多半不会相信吧？毕竟我们已经把总代价降到了O(n)，而显然这也是下界了。

但是，真的有比这还优秀的方案！之前我们的算法虽然是O(n)，但它还有常数项优化的空间。准确地说，由于第一步找最大值的代价约为2n，第二步每确定一个元素的代价为5，因此总代价约为7n。接下来，我们将进一步突破这个下限。不过由于接下来的算法将会较为复杂，建议先完全理解上述算法之后再继续看下去。

 

 

 

 

 

 

 

 

 

我们尝试把第一步那个找最大值的过程去掉，随便取一个元素作为基准值。

那如果这个元素为0怎么办？不慌，我们冷静分析一下。

取元素a,b,c,假设b>=c，构造集合S={b,c}，T={a}。

如果S<=T，则不管a的值如何，b与c中均不可能都是1。此时，我们依然能确定出c=0。下一次操作时，保持当前的a不变，另取一个新的元素，与原来的b作为新的b和c即可。

如果S>=T呢？如果a是1，我们就已经能知道b一定是1了，然而现在a的值不确定，因此我们还不能给出“b一定是1”的判断。

然而，“如果a是1，我们就已经能知道b一定是1了”这话意味着什么？意味着b>=a！也就是说，我们没有直接比较a与b，就凭空得出了这一组大小关系。我们把这组关系记录下来，紧接着用b去替换a，再取一个新的元素，与原来的c作为新的b和c。

反复操作直到所有元素都使用了，此时我们会得到什么？若干个已经确定为0的元素，一连串元素x1x2...xk满足x1<=x2<=...<=xk，还有一个额外的元素是最后一次操作剩下的，记做p。

容易发现，在xk和p之间一定存在一个元素的值为1，因此我们可以用一次比较确定一个1。

那么其余的未确定元素呢？我们发现它们已经天然地排成了有序的，除了最多一个可能的元素游离于这条链之外（即元素p，如果p<=xk的话）。我们就可以利用之前提到的二分算法在链上找到一个分界点，对于分界点处的元素和p，我们也可以用至多1次额外比较和奇偶性确定出来。

因此我们终于得到了这题的最优解：总代价5n+O(logn)的优秀算法。（你还有其它更优的解吗？欢迎指出。）

唉，如果现实中真有这种聚会该多好……