目錄
01 故事起源
02 思考小規模,AB兩題
07 抽象
08 真相浮出水面
09 總結
首頁 後端開發 C#.Net教程 分享一道邏輯面試題,看看能答對嗎!

分享一道邏輯面試題,看看能答對嗎!

Mar 09, 2022 am 10:43 AM
演算法

這篇文章跟大家分享一道錯誤答案傳遍全網的邏輯面試題(附解析),大家可以對照著自己分析一下,看看是否能答對!

01 故事起源

100個人回答五題,有81人答對第一題,91人答對第二題,85人答對第三題,79人答對第四題,74人答對第五題。

答對三題或三題以上的人算及格,那麼這100人中至少有多少人及格呢?

分享一道邏輯面試題,看看能答對嗎!

02 思考小規模,AB兩題

先考慮如果只有AB兩題,100個人,第一反應是用集合的方式。

分享一道邏輯面試題,看看能答對嗎!

總共也就上面3種情況,其中第一種人數大於100非法,所以只存在後面2種情況。
可以得到以下結論:

  • 同時做對AB兩題的最少有72人,最多有81人;

  • ##同時做錯AB兩題的最多有9人,最少有0人。

看來已經找到了規律,那就依照這個想法進一步擴大資料規模,考慮ABC三題。

03 擴大規模,ABC三題

先考慮每兩題之間的關係。

分享一道邏輯面試題,看看能答對嗎!

再合成三題的關係。等等,好像有點複雜,這不是線性的複雜度,不好意思,小K的智商有點不夠用,自閉了。

分享一道邏輯面試題,看看能答對嗎!

那小K是不是要準備放棄了呢,NO,never say give up。有時候不要撞倒南牆不回頭,基於小K多年的經驗,如果找到的規律不明顯或很複雜,一般都說明你走錯了,所以這時要考慮切換思維方式。

04 切換思維

上面都是正向思維,但不好處理,可以逆向思維。

分享一道邏輯面試題,看看能答對嗎!

只要錯3道就不及格,一共有19 9 15 21 26=90道錯題,那麼90/3=30,則最多有30人不及格,所以最少有70人及格,perfect,收工。

Wait,總覺得有點怪怪的,倒不是因為太簡單,而是對於資訊量的直覺告訴我,這種解法忽略了很多的資訊量。

只用了總數,而沒有用到5題的錯題數量分佈。那就直接告訴你總共錯了90就行了,為啥還要單獨告訴具體的數量,這難道真的只是誤導訊息嗎?

05 極限法思維

根據上面的解法,既然不關心具體分佈,那就用極限思維,建構特殊資料。例如所有錯題都集中在A題。

分享一道邏輯面試題,看看能答對嗎!

總共錯90道,但所有人都做對4題,應該是100人及格,再一次自閉。

這時,我想應該有槓精要跳出來了。

分享一道邏輯面試題,看看能答對嗎!

小K:你說得很有道理,我竟無言以對。

先不跟你扯,咱們進一步思考,這個反例說明了一點:錯題不能隨意均攤,那就從這點下手。

06 錯誤均攤

先看錯誤的分佈。

分享一道邏輯面試題,看看能答對嗎!

如何將這些錯誤分配給最多的人。

為了分析方便,先寫一個簡單的例子,如錯題分佈為7、8、9、10、11。

第一種分配:

  • 將A,B,C分配給7人

  • 將C,D, E分配給2人

  • 將B,D,E分配給1人

總共可分配7 2 1=10人。

分享一道邏輯面試題,看看能答對嗎!

第二種,優先分配B,C,D,總共11人。

分享一道邏輯面試題,看看能答對嗎!

第三種,優先分配C,D,E,總共12人。

1分享一道邏輯面試題,看看能答對嗎!

到這裡我們已經發現了規律,優先分配最大的3道會得到更多的人數。而在分配過程中最大的3道順序會動態變化,這就啟發了貪心的思想。

  • 將錯誤從大到小排序;

  • #每次將最大的前3個分配給一人,然後重新排序。

重複上面步驟,直到最後找不出3個不為0的數,也就是變成X,0,0,0,0或X,Y,0,0,0。

07 抽象

轉換問題:有5個矩形,順序可隨性。要切出寬度為3的N個矩形,要求總體疊加要盡量的高,最高有多少?
你品,你細品,這是不是同一個問題呀。所以要從最高的前3個開始一點一點地削它,哈哈。

1分享一道邏輯面試題,看看能答對嗎!

08 真相浮出水面

回到原題,那到底至少有多少人呢?通過程式碼測試結果。

8.1 程式碼實作

#
int main() {
    int a[5], ans = 0;
    for (int i = 0; i < 5; ++i) {
        cin >> a[i];
    }
    sort(a, a + 5, compare);
    while (a[2] > 0) {
        a[0]--;
        a[1]--;
        a[2]--;
        sort(a, a + 5, compare);
        ans++;
        for (int i = 0; i < 5; ++i) {
            cout << a[i] << " ";
        }
        cout << endl;
    }
    cout << "ans=" << ans << endl;

    return 0;
}
登入後複製

8.2 資料測試

25 20 18 15 9 
24 19 17 15 9 
23 18 16 15 9 
22 17 15 15 9 
21 16 15 14 9 
20 15 14 14 9 
19 14 14 13 9 
18 13 13 13 9 
17 13 12 12 9 
16 12 12 11 9 
15 11 11 11 9 
14 11 10 10 9 
13 10 10 9 9 
12 9 9 9 9 
11 9 9 8 8 
10 8 8 8 8 
9 8 8 7 7 
8 7 7 7 7 
7 7 7 6 6 
6 6 6 6 6 
6 6 5 5 5 
5 5 5 5 4 
5 4 4 4 4 
4 4 4 3 3 
3 3 3 3 3 
3 3 2 2 2 
2 2 2 2 1 
2 1 1 1 1 
1 1 1 0 0 
0 0 0 0 0 
ans=30
登入後複製

所以至多30人不及格,則至少70人及格,答案雖然一樣,但思考方式卻不一樣。

09 總結

看似簡單的問題,也要多深入思考,說不定你會發現不一樣的結論。而且也別輕易相信別人的分析,這個問題網路上90%都是錯的,大家也可以看一下我的分析是否嚴謹,如果有問題也請留言回饋,謝謝啦。

相關推薦:《C語言影片教學》、《PHP影片教學

#

以上是分享一道邏輯面試題,看看能答對嗎!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您聽不到任何人,如何修復音頻
3 週前 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解鎖Myrise中的所有內容
4 週前 By 尊渡假赌尊渡假赌尊渡假赌

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

CLIP-BEVFormer:明確監督BEVFormer結構,提升長尾偵測性能 CLIP-BEVFormer:明確監督BEVFormer結構,提升長尾偵測性能 Mar 26, 2024 pm 12:41 PM

寫在前面&amp;筆者的個人理解目前,在整個自動駕駛系統當中,感知模組扮演了其中至關重要的角色,行駛在道路上的自動駕駛車輛只有通過感知模組獲得到準確的感知結果後,才能讓自動駕駛系統中的下游規控模組做出及時、正確的判斷和行為決策。目前,具備自動駕駛功能的汽車中通常會配備包括環視相機感測器、光達感測器以及毫米波雷達感測器在內的多種數據資訊感測器來收集不同模態的信息,用於實現準確的感知任務。基於純視覺的BEV感知演算法因其較低的硬體成本和易於部署的特點,以及其輸出結果能便捷地應用於各種下游任務,因此受到工業

使用C++實現機器學習演算法:常見挑戰及解決方案 使用C++實現機器學習演算法:常見挑戰及解決方案 Jun 03, 2024 pm 01:25 PM

C++中機器學習演算法面臨的常見挑戰包括記憶體管理、多執行緒、效能最佳化和可維護性。解決方案包括使用智慧指標、現代線程庫、SIMD指令和第三方庫,並遵循程式碼風格指南和使用自動化工具。實作案例展示如何利用Eigen函式庫實現線性迴歸演算法,有效地管理記憶體和使用高效能矩陣操作。

探究C++sort函數的底層原理與演算法選擇 探究C++sort函數的底層原理與演算法選擇 Apr 02, 2024 pm 05:36 PM

C++sort函數底層採用歸併排序,其複雜度為O(nlogn),並提供不同的排序演算法選擇,包括快速排序、堆排序和穩定排序。

人工智慧可以預測犯罪嗎?探索CrimeGPT的能力 人工智慧可以預測犯罪嗎?探索CrimeGPT的能力 Mar 22, 2024 pm 10:10 PM

人工智慧(AI)與執法領域的融合為犯罪預防和偵查開啟了新的可能性。人工智慧的預測能力被廣泛應用於CrimeGPT(犯罪預測技術)等系統,用於預測犯罪活動。本文探討了人工智慧在犯罪預測領域的潛力、目前的應用情況、所面臨的挑戰以及相關技術可能帶來的道德影響。人工智慧和犯罪預測:基礎知識CrimeGPT利用機器學習演算法來分析大量資料集,識別可以預測犯罪可能發生的地點和時間的模式。這些資料集包括歷史犯罪統計資料、人口統計資料、經濟指標、天氣模式等。透過識別人類分析師可能忽視的趨勢,人工智慧可以為執法機構

改進的檢測演算法:用於高解析度光學遙感影像目標檢測 改進的檢測演算法:用於高解析度光學遙感影像目標檢測 Jun 06, 2024 pm 12:33 PM

01前景概要目前,難以在檢測效率和檢測結果之間取得適當的平衡。我們研究了一種用於高解析度光學遙感影像中目標偵測的增強YOLOv5演算法,利用多層特徵金字塔、多重偵測頭策略和混合注意力模組來提高光學遙感影像的目標偵測網路的效果。根據SIMD資料集,新演算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在偵測結果和速度之間達到了更好的平衡。 02背景&動機隨著遠感技術的快速發展,高解析度光學遠感影像已被用於描述地球表面的許多物體,包括飛機、汽車、建築物等。目標檢測在遠感影像的解釋中

九章雲極DataCanvas多模態大模型平台的實踐與思考 九章雲極DataCanvas多模態大模型平台的實踐與思考 Oct 20, 2023 am 08:45 AM

一、多模態大模型的歷史發展上圖這張照片是1956年在美國達特茅斯學院舉行的第一屆人工智慧workshop,這次會議也被認為拉開了人工智慧的序幕,與會者主要是符號邏輯學屆的前驅(除了前排中間的神經生物學家PeterMilner)。然而這套符號邏輯學理論在隨後的很長一段時間內都無法實現,甚至到80年代90年代還迎來了第一次AI寒冬期。直到最近大語言模型的落地,我們才發現真正承載這個邏輯思維的是神經網絡,神經生物學家PeterMilner的工作激發了後來人工神經網絡的發展,也正因為此他被邀請參加了這個

演算法在 58 畫像平台建置中的應用 演算法在 58 畫像平台建置中的應用 May 09, 2024 am 09:01 AM

一、58畫像平台建置背景首先和大家分享下58畫像平台的建造背景。 1.傳統的畫像平台傳統的想法已經不夠,建立用戶畫像平台依賴數據倉儲建模能力,整合多業務線數據,建構準確的用戶畫像;還需要數據挖掘,理解用戶行為、興趣和需求,提供演算法側的能力;最後,還需要具備數據平台能力,有效率地儲存、查詢和共享用戶畫像數據,提供畫像服務。業務自建畫像平台和中台類型畫像平台主要區別在於,業務自建畫像平台服務單條業務線,按需定制;中台平台服務多條業務線,建模複雜,提供更為通用的能力。 2.58中台畫像建構的背景58的使用者畫像

即時加SOTA一飛沖天! FastOcc:推理更快、部署友善Occ演算法來啦! 即時加SOTA一飛沖天! FastOcc:推理更快、部署友善Occ演算法來啦! Mar 14, 2024 pm 11:50 PM

寫在前面&筆者的個人理解在自動駕駛系統當中,感知任務是整個自駕系統中至關重要的組成部分。感知任務的主要目標是使自動駕駛車輛能夠理解和感知周圍的環境元素,如行駛在路上的車輛、路旁的行人、行駛過程中遇到的障礙物、路上的交通標誌等,從而幫助下游模組做出正確合理的決策和行為。在一輛具備自動駕駛功能的車輛中,通常會配備不同類型的信息採集感測器,如環視相機感測器、雷射雷達感測器以及毫米波雷達感測器等等,從而確保自動駕駛車輛能夠準確感知和理解周圍環境要素,使自動駕駛車輛在自主行駛的過程中能夠做出正確的決斷。目

See all articles