目录
01 故事起源
02 思考小规模,AB两题
03 扩大规模,ABC三题
04 切换思维
05 极限法思维
06 错题均摊
07 抽象
08 真相浮出水面
09 总结
首页 后端开发 C#.Net教程 分享一道逻辑面试题,看看你能答对吗!

分享一道逻辑面试题,看看你能答对吗!

Mar 09, 2022 am 10:43 AM
算法

本篇文章给大家分享一道错误答案传遍全网的逻辑面试题(附解析),大家可以对照着自己分析一下,看看是否能答对!

01 故事起源

100个人回答五道题,有81人答对第一题,91人答对第二题,85人答对第三题,79人答对第四题,74人答对第五题。

答对三道题或三道题以上的人算及格,那么在这100人中至少有多少人及格呢?

1.jpg

02 思考小规模,AB两题

先考虑如果只有AB两道题,100个人,第一反应是用集合的方式。

2.jpg

总共也就上面3种情况,其中第一种人数大于100非法,所以只存在后面2种情况。
可以得到如下结论:

  • 同时做对AB两题的最少有72人,最多有81人;

  • 同时做错AB两题的最多有9人,最少有0人。

看来已经找到了规律,那就按这个思路进一步扩大数据规模,考虑ABC三题。

03 扩大规模,ABC三题

先考虑每两题之间的关系。

3.jpg

再合成三题的关系。等等,好像有点复杂,这不是线性的复杂度,不好意思,小K的智商有点不够用,自闭了。

4.jpg

那小K是不是要准备放弃了呢,NO,never say give up。有时候不要撞倒南墙不回头,基于小K多年的经验,如果找到的规律不明显或者很复杂,一般都说明你走错了,所以这时要考虑切换思维方式。

04 切换思维

上面都是正向思维,但不好处理,可以逆向思维。

5.jpg

只要错3道就不及格,一共有19+9+15+21+26=90道错题,那么90/3=30,则最多有30人不及格,所以最少有70人及格,perfect,收工。

Wait,总感觉有点怪怪的,倒不是因为太简单,而是对于信息量的直觉告诉我,这种解法忽略了很多的信息量。

只用了总数,而没有用到5道题的错题数量分布。那就直接告诉你总共错了90道就行了,为啥还要单独告诉具体的数量,这难道真的只是误导信息吗?

05 极限法思维

根据上面的解法,既然不关心具体分布,那就用极限思维,构造特殊数据。比如所有错题集中在A题。

6.jpg

总共还是错90道,但所有人都做对4题,应该是100人及格,再一次自闭。

这时,我想应该有杠精要跳出来了。

7.jpg

小K:你说得很有道理,我竟无言以对。
先不跟你扯,咱们进一步思考,这个反例说明了一点:错题不能随意均摊,那就从这点下手。

06 错题均摊

先看错误的分布。

8.jpg

如何将这些错题分配给最多的人。

为了分析方便,先写一个简单的例子,如错题分布为7、8、9、10、11。

第一种分配:

  • 将A,B,C分配给7人

  • 将C,D,E分配给2人

  • 将B,D,E分配给1人

总共可分配7+2+1=10人。

9.jpg

第二种,优先分配B,C,D,总共11人。

10.jpg

第三种,优先分配C,D,E,总共12人。

11.jpg

到这里我们已经发现了规律,优先分配最大的3道会得到更多的人数。而在分配过程中最大的3道顺序会动态变化,这就启发了贪心的思想。

  • 将错题从大到小排序;

  • 每次将最大的前3个分配给一人,然后重新排序。

重复上面步骤,直到最后找不出3个不为0的数,也就是变为X,0,0,0,0或者X,Y,0,0,0。

07 抽象

转换问题:有5个矩形,顺序可随意。要切出宽度为3的N个矩形,要求总体叠加要尽量的高,最高有多少?
你品,你细品,这是不是同一个问题呀。所以要从最高的前3个开始一点一点地削它,哈哈。

12.jpg

08 真相浮出水面

回到原题,那到底至少有多少人呢?通过代码测试结果。

8.1 代码实现

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;
}
登录后复制

8.2 数据测试

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
登录后复制

所以至多30人不及格,则至少70人及格,答案虽然一样,但思维方式却不一样。

09 总结

看似简单的问题,也要多深入思考,说不定你会发现不一样的结论。而且也别轻易相信别人的分析,这个问题网上90%都是错的,大家也可以看一下我的分析是否严谨,如果有问题也请留言反馈,谢谢啦。

相关推荐:《C语言视频教程》、《PHP视频教程

以上是分享一道逻辑面试题,看看你能答对吗!的详细内容。更多信息请关注PHP中文网其他相关文章!

本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳图形设置
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您听不到任何人,如何修复音频
3 周前 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解锁Myrise中的所有内容
4 周前 By 尊渡假赌尊渡假赌尊渡假赌

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

CLIP-BEVFormer:显式监督BEVFormer结构,提升长尾检测性能 CLIP-BEVFormer:显式监督BEVFormer结构,提升长尾检测性能 Mar 26, 2024 pm 12:41 PM

写在前面&笔者的个人理解目前,在整个自动驾驶系统当中,感知模块扮演了其中至关重要的角色,行驶在道路上的自动驾驶车辆只有通过感知模块获得到准确的感知结果后,才能让自动驾驶系统中的下游规控模块做出及时、正确的判断和行为决策。目前,具备自动驾驶功能的汽车中通常会配备包括环视相机传感器、激光雷达传感器以及毫米波雷达传感器在内的多种数据信息传感器来收集不同模态的信息,用于实现准确的感知任务。基于纯视觉的BEV感知算法因其较低的硬件成本和易于部署的特点,以及其输出结果能便捷地应用于各种下游任务,因此受到工业

使用C++实现机器学习算法:常见挑战及解决方案 使用C++实现机器学习算法:常见挑战及解决方案 Jun 03, 2024 pm 01:25 PM

C++中机器学习算法面临的常见挑战包括内存管理、多线程、性能优化和可维护性。解决方案包括使用智能指针、现代线程库、SIMD指令和第三方库,并遵循代码风格指南和使用自动化工具。实践案例展示了如何利用Eigen库实现线性回归算法,有效地管理内存和使用高性能矩阵操作。

探究C++sort函数的底层原理与算法选择 探究C++sort函数的底层原理与算法选择 Apr 02, 2024 pm 05:36 PM

C++sort函数底层采用归并排序,其复杂度为O(nlogn),并提供不同的排序算法选择,包括快速排序、堆排序和稳定排序。

人工智能可以预测犯罪吗?探索CrimeGPT的能力 人工智能可以预测犯罪吗?探索CrimeGPT的能力 Mar 22, 2024 pm 10:10 PM

人工智能(AI)与执法领域的融合为犯罪预防和侦查开辟了新的可能性。人工智能的预测能力被广泛应用于CrimeGPT(犯罪预测技术)等系统,用于预测犯罪活动。本文探讨了人工智能在犯罪预测领域的潜力、目前的应用情况、所面临的挑战以及相关技术可能带来的道德影响。人工智能和犯罪预测:基础知识CrimeGPT利用机器学习算法来分析大量数据集,识别可以预测犯罪可能发生的地点和时间的模式。这些数据集包括历史犯罪统计数据、人口统计信息、经济指标、天气模式等。通过识别人类分析师可能忽视的趋势,人工智能可以为执法机构

改进的检测算法:用于高分辨率光学遥感图像目标检测 改进的检测算法:用于高分辨率光学遥感图像目标检测 Jun 06, 2024 pm 12:33 PM

01前景概要目前,难以在检测效率和检测结果之间取得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法,利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检测网络的效果。根据SIMD数据集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在检测结果和速度之间实现了更好的平衡。02背景&动机随着远感技术的快速发展,高分辨率光学远感图像已被用于描述地球表面的许多物体,包括飞机、汽车、建筑物等。目标检测在远感图像的解释中

九章云极DataCanvas多模态大模型平台的实践和思考 九章云极DataCanvas多模态大模型平台的实践和思考 Oct 20, 2023 am 08:45 AM

一、多模态大模型的历史发展上图这张照片是1956年在美国达特茅斯学院召开的第一届人工智能workshop,这次会议也被认为拉开了人工智能的序幕,与会者主要是符号逻辑学届的前驱(除了前排中间的神经生物学家PeterMilner)。然而这套符号逻辑学理论在随后的很长一段时间内都无法实现,甚至到80年代90年代还迎来了第一次AI寒冬期。直到最近大语言模型的落地,我们才发现真正承载这个逻辑思维的是神经网络,神经生物学家PeterMilner的工作激发了后来人工神经网络的发展,也正因为此他被邀请参加了这个

算法在 58 画像平台建设中的应用 算法在 58 画像平台建设中的应用 May 09, 2024 am 09:01 AM

一、58画像平台建设背景首先和大家分享下58画像平台的建设背景。1.传统的画像平台传统的思路已经不够,建设用户画像平台依赖数据仓库建模能力,整合多业务线数据,构建准确的用户画像;还需要数据挖掘,理解用户行为、兴趣和需求,提供算法侧的能力;最后,还需要具备数据平台能力,高效存储、查询和共享用户画像数据,提供画像服务。业务自建画像平台和中台类型画像平台主要区别在于,业务自建画像平台服务单条业务线,按需定制;中台平台服务多条业务线,建模复杂,提供更为通用的能力。2.58中台画像建设的背景58的用户画像

实时加SOTA一飞冲天!FastOcc:推理更快、部署友好Occ算法来啦! 实时加SOTA一飞冲天!FastOcc:推理更快、部署友好Occ算法来啦! Mar 14, 2024 pm 11:50 PM

写在前面&笔者的个人理解在自动驾驶系统当中,感知任务是整个自驾系统中至关重要的组成部分。感知任务的主要目标是使自动驾驶车辆能够理解和感知周围的环境元素,如行驶在路上的车辆、路旁的行人、行驶过程中遇到的障碍物、路上的交通标志等,从而帮助下游模块做出正确合理的决策和行为。在一辆具备自动驾驶功能的车辆中,通常会配备不同类型的信息采集传感器,如环视相机传感器、激光雷达传感器以及毫米波雷达传感器等等,从而确保自动驾驶车辆能够准确感知和理解周围环境要素,使自动驾驶车辆在自主行驶的过程中能够做出正确的决断。目

See all articles