【动态规划法】解析经典算法题Two eggs problem及其延伸问题

Two eggs problem可以说是互联网面试中老生常谈的算法题了，经常可以在各大互联网公司的笔试真题中看到它的各类变种（腾讯大厦，球掉落问题，玻璃珠问题等等）。本文将深入探讨此类问题及其延伸问题的通用解法，并给出javascript代码实现。

目录

问题描述

Two-eggs problem

首先看下游戏的定义：

有一幢100层的大楼，玩家可以到达大楼的任意楼层。现给玩家两个一模一样的鸡蛋，当玩家拿着鸡蛋从某一楼层扔下时，一定会出现两个结果，鸡蛋碎了或者没碎（完好无损）。该大楼有一个临界楼层，低于它的楼层往下扔鸡蛋时鸡蛋不会碎，等于或高于它时会碎。请为该玩家设计一种丢鸡蛋策略，使得该策略下的最坏情况的次数比其他任何策略最坏的次数都少。输出该策略下的最坏情况次数。

很多人乍一看到这道题会很懵，什么叫丢鸡蛋策略？怎么设计？如果用代码给出设计方案？你可能会去把问题分解成第一次在哪个楼层扔，鸡蛋会不会碎，还剩几个鸡蛋，第二次在哪个楼层扔，鸡蛋会不会碎，还剩几个鸡蛋，第三次……然后你就会觉得这是一个特别复杂/抽象的问题，然后就放弃了。

所以此类问题我们要换个思路去想，这里先抛开那些经典的算法思想，总结下解题思路：

• 分解为若干子问题
• 化抽象为具体，不妨代入未知数，先进入子问题再说
• 简化问题求解，比如将2个鸡蛋改成1个鸡蛋，100层楼改成10层楼
• 根据上面两步，确定最终使用的方法（动态规划？回溯？分治）

有了以上的思路，我们很容易想到，用递归的思想去解决，如何递归呢？这里我们暂时卖下关子，看一下此类问题的通用表示方法：n-eggs problem

---

扩展到 n-eggs problem

现在有m层楼（m>1）,玩家手里有n个鸡蛋，求设计一种方法，使得在该方法下找到临界楼层的最坏情况次数最少。

这个问题可以抽象为这样一个函数：

throwNumber(floors,eggs) => numOfWorstCase

函数入口是楼层数和鸡蛋数，返回最优方案的最坏次数（throwNumbers of the worst case of the best strategy）。

在下文中我们不妨用$\it Tn(f,e)$来表示f层楼e个鸡蛋的输出结果。

---

解决方案

回到刚才讨论的解决思路，我们不妨分别考察下一个鸡蛋，两个鸡蛋，三个鸡蛋的$\it Tn(f,e)$ 求法。

one-eggs problem

这类问题是不是很简单？因为你就只有一个鸡蛋，所以为了保证一定能找到临界楼层，我们只能从第一层开始遍历楼层，所以最坏情况的次数是楼层f, 那么可以得到：

$\it Tn(f,1) = f$

---

two-eggs problem

我们不妨设 $\alpha _i$ 为第i次扔蛋选择的楼层。每次扔蛋有两种结果：

• 鸡蛋碎了，那么临界楼层一定在 $\alpha _i$层及以下楼层范围内，问题转移为1个蛋，$\alpha _i$-1层楼的问题，即$\it Tn(\alpha _i-1,1)$
• 鸡蛋没碎，那么临界楼层一定在 $\alpha _i$层以上，问题转移为2个蛋，100-$\alpha _i$层楼的问题，即$\it Tn(100-\alpha _i,2)$

可以用以下流程图表示：