关于在13个球中寻找不同的问题解答 (转)

本文提供了一个有趣而复杂的逻辑问题解决方案:如何通过三次使用天平找出13个外观相同的球中唯一一个重量不同的球。文章详细阐述了解题思路与步骤,并探讨了不同称重结果下的嫌疑球判断方法。
关于在13个球中寻找不同的问题解答 (转)[@more@]

关于在13个球中寻找不同的问题解答XML:namespace prefix = o ns = "urn:schemas-microsoft-com:Office:office" />

问题:有13个大小、外形相同的球,其中的一个重量与其它12个不同,请用天平,最多使用三次,找出那个重量不同的球。

前言:这是一个非同寻常的问题,半个月前,我一见到它,就被这个问题迷住了,在苦苦思索了一整天,又看了无数解答之后,仍然没有想出正确的结果,我放弃了(我开始怀疑题目的正确性),直到昨天2001年9月16日夜,我想出了解答。(如果这真的是华为的面试题的话,我肯定被淘汰了)

解题思路:12个标准球,1个非标准球。在找出非标准球的时候,每一个球都有可能,称之为嫌疑球。在这里我要先讨论几个可以用一次称量就找到的情况:

1.  有两个嫌疑球,和若干标准球的时候,可以一次找到。具体的做法就是取一个嫌疑球同一个标准球比较,如果重量不同,则可以确定天平上的嫌疑球就是非标准球,否则,剩下的那个就是非标准球。

2.  有三个嫌疑球,和有这三个嫌疑球参与的一次比较结果,并且在这次比较中,三个嫌疑球不在同一侧。比较方法是,取两侧的嫌疑球各一个,同两个标准球比较,如果相同,那就可以肯定,没有参加比较的嫌疑球是非标准球,如果两个嫌疑球一侧偏重,则上次比较结果中在较重一侧的嫌疑球是非标准球,否则就是较轻一侧的嫌疑球是非标准球。

3.  只剩一个嫌疑球的时候。

解题方法:

首先对13个球标号并分组:

1、  2、  3、  4  A1组

5、  6、  7、  8  B1组

9、10、11、12  C1组

13

称量A与B,记录结果R1(这里用大于0表示A>B,其它类推)

然后二次分组

13、2、  7、  8  A2组

1、  6、11、12  B2组

5、10、  3、  4  C2组

9

称量A2与B2,记录结果R2

开始分析结果:

如果R1=R2=0,则证明非标准球没有上过天平,这样,嫌疑球有2个:9号球、10号球。符合我前面提出的解决条件。可以解决这个问题。结果将在9,10中产生。

如果R1=0,R2>0(或者R2<0),则证明第二次测量的时候,非标准球上了天平,这样,嫌疑球有三个:13,11,12。这符合我在前面提到的第二种情况,也可解决。结果将在13,11,12中产生。

如果R1>0,R2=0,非常简单,这证明非标准球在第二次测量的时候,离开了天平,嫌疑球有三个:5,3,4。我们可以用第一次的比较结果作条件,用第二个解决办法找到非标准球。结果将在5,3,4中产生。

如果
R1>0,R2>0,证明第二次测量的时候,非标准球一直天平上,但此时嫌疑球好像是有四个:1、2、6、7、8,其实不是这样的,从测试结果上看,非标准球没有离开过自己的位置,这样的话,只有2与6是嫌疑球。结果将在2,6中产生。

R1>0,R2<0,同理,非标准球移动了自己的位置,这么来说,嫌疑球就应该是:1,7,8。显然这符合第二个条件。结果将在1,7,8中产生。

显然已经没有必要讨论R1<0的情况了,这同R1>0实际上是一样的。

虽然解答完毕,但我总想就此说些什么,我只是一个本科生,没有接触过高深的数理逻辑,但这道题目却着实反映一个数学现象,我体会的到,但说不出来。希望有一天我可以真正掌握这门科学。

    Beyond_ml(malei@bisp.com)


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10752043/viewspace-990917/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10752043/viewspace-990917/

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值