智力题（二）：概率、博弈、数学与综合名题

星辰逐梦2026/7/29大约 30 分钟

智力题（二）：概率、博弈、数学与综合名题

导语：这一篇是智力题的"进阶区"，也是区分度最高的部分。覆盖概率与贝叶斯的反直觉结论（三门问题、两个孩子、检测阳性）、博弈与不变量的构造（100 苹果、25 匹马、猴子搬香蕉）、公共知识的归纳链（病狗与黑帽）、数学与数论（剩余定理、连续整数之和），最后给出「如何把智力题思维迁移到工程与系统设计」的收尾套路。

一、概率与贝叶斯

1. 三门问题：为什么换门能把中奖率从 1/3 提到 2/3？

答：

题面：三扇门，一扇后是汽车（奖品），另两扇是山羊。你选了 1 号门；知道答案的主持人打开了 3 号门——里面是山羊。此时他问：要不要换成 2 号门？

关键洞察：主持人的行为不是随机的——他知道答案，并且一定会打开一扇羊门。这正是本题与「随机打开一扇门恰好是羊」的本质区别。

按「概率被集中」来理解（推荐）

穷举验证（最直观，推荐面试时用）

三种情形等概率 → 不换赢 1 次（1/3），换赢 2 次（2/3） ✅

两个高频追问：

追问	答案
如果主持人不知道答案、随机打开一扇门，恰好是羊呢？	此时换与不换各 1/2。因为"主持人随机开门恰好开到羊"这件事提供了信息（说明车更可能在剩下的门里），概率分布被重新分配了。这就是"主持人是否知情"决定答案的原因
如果有 100 扇门呢？	你选 1 扇（1/100），主持人知道答案并打开 98 扇羊门，只剩 1 扇 → 那扇门是车的概率 = 99/100。换门优势极大，直觉上更容易接受

一句话总结：「主持人的开门口令是"条件信息"，它不改变你原选择的概率，而是把其余所有概率集中到未打开的那扇门上。」

2. 两个孩子：已知至少一个是女孩，另一个也是女孩的概率是多少？

答： 必须先澄清题面的"信息是怎么获得的"——不同问法答案不同，这是这道题真正的考点。

问法一：「已知至少有一个是女孩」→ 答案是 1/3

 样本空间（按【出生顺序】区分，四种等可能）：
   男男、男【女】、女男、（女女）
     ↑ 排除              ↑ 保留    ↑ 保留   ↑ 保留

 已知"至少一个女孩" → 排除"男男" → 剩 3 种等可能：
   男女、女男、女女
 其中"两个都是女孩"只有 1 种 → **P = 1/3** ✅

问法二：「先看大的那个，她是女孩」→ 答案是 1/2

 已知老大是女孩 → 只可能是：
   女男、女女
 其中"两个都是女孩"有 1 种 → **P = 1/2** ✅

 为什么变了？
   因为"先看老大"这个动作【改变了条件空间】：
     · 问法一的条件是"集合中至少有一个女孩"（对两个孩子【对称】）
     · 问法二的条件是"某个【特定位置】的孩子是女孩"（信息更具体、更强）

问法（常见变体）	条件空间	答案
已知至少一个是女孩	男女、女男、女女	1/3
已知老大是女孩	女男、女女	1/2
在街上随机遇到一个孩子，是女孩，问"另一个也是女孩"	（随机抽样，等价于"某个特定个体是女孩"）	1/2
有人说「我见过其中一个，是女孩」（不确定是老大还是老二）	需要明确"他见的这次选择是否随机"	答案取决于选择的机制

面试标准姿势：「这题的答案取决于条件是怎么得到的。如果条件是"至少一个是女孩"，答案是 1/3；如果是"某个特定位置/特定个体是女孩"，答案是 1/2。所以我需要先确认题意。」 —— 主动澄清比直接报 1/3 得分更高。

3. 检测阳性就等于 99% 患病吗？（贝叶斯与基数效应）

答： 不等——这正是"基数效应（base rate fallacy）"的经典反直觉题。

题面：某病患病率 1/10000；检测的真阳性率 99%（患病者检出阳性）；假阳性率 1%（健康人误报阳性）。某人检测阳性，他真正患病的概率是多少？

 【用"10000 人"来算（最直观，推荐面试用）】
   取 10000 人：
     · 患病者：1 人   → 检出阳性 ≈ 1 × 99% = **0.99 人**
     · 健康者：9999 人 → 误报阳性 ≈ 9999 × 1% = **约 100 人**

   阳性总人数 ≈ 0.99 + 100 ≈ 101 人
   其中真患病者 ≈ 0.99 人
   → P(患病 | 阳性) ≈ 0.99 / 101 ≈ **约 1%** ✅

 ★ 直觉之所以错：**健康人基数（9999）太大，1% 的误报就产生了 100 个假阳性，
   把 1 个真阳性彻底淹没了。**

 【公式（贝叶斯）】
   P(D|+) = P(+|D)·P(D) / [ P(+|D)·P(D) + P(+|¬D)·P(¬D) ]
            = 0.99×0.0001 / (0.99×0.0001 + 0.01×0.9999)
            ≈ 0.0098 ≈ 1%

追问：连续两次检测都阳性呢？

 P(D|++) = P(++|D)·P(D) / [ P(++|D)·P(D) + P(++|¬D)·P(¬D) ]
          = 0.99²×0.0001 / (0.99²×0.0001 + 0.01²×0.9999)
          ≈ 0.9801 / (0.9801 + 0.9999) ≈ **49.5% ≈ 50%** ✅

 ★ 从 1% 到 50% —— **第二次阳性把概率提升了 50 倍**，但仍不到一半。
   这就是为什么"筛查结果不能直接当诊断"，必须结合重复检测与临床判断。

可迁移的结论（最有价值的部分）：

结论	工程/业务映射
低先验概率场景下，单次"阳性信号"参考价值极低	风控/反欺诈：低频事件（如欺诈率 0.1%）的检测必须看精确率，而不是召回率；否则会误杀大量正常用户
不要只看"准确率"，要看混淆矩阵	机器学习模型评估必须看 Precision / Recall / AUC，并结合业务先验选择阈值
基数效应会放大"小概率错误"	告警系统：若某项异常的基础发生率极低，用"单指标阈值"告警会产生大量误报（这正是"多指标联合判定 + 抑制"的由来）
重复独立检测能显著提升置信度	安全场景的多因子验证、多维度交叉验证

4. 两个罐子装 50 红 50 蓝球，如何最大化取到红球的概率？

答：

题面：100 个弹球（50 红 50 蓝）分到两个罐子里（必须全部放完、每罐至少 1 个）；随机选一个罐子、再从中随机取 1 个球。如何放置使取到红球的概率最大？

 【策略】把一个罐子做成"几乎纯红"，另一个承担全部蓝球：
     罐 A：1 个红球
     罐 B：49 个红 + 50 个蓝

 【计算】
   P(红) = P(选 A)·P(红|A) + P(选 B)·P(红|B)
         = 1/2 × (1/1) + 1/2 × (49/99)
         = 0.5 + 0.2475
         ≈ **0.7475 ≈ 3/4** ✅

 【对照：均匀分配（各 25 红 25 蓝）】
   P(红) = 1/2 × 25/50 + 1/2 × 25/50 = 0.5  → 明显更差

为什么这是最优（面试加分）：

 ① 极端化最小罐子：让"小罐子"只放 1 个红球 → 该分支的成功率锁定为 100%
 ② 剩下的球全在另一个罐子 → 那个罐子的红球比例 ≈ 与总体相同（49/99 ≈ 1/2）
 ③ 结果 = 1/2 × 1 + 1/2 × 1/2 = 3/4

 ★ 通用结论：**当"先随机选一个容器、再从容器里随机取"时，
   把最重要的概率"押注"在一个极小的容器上，收益最大**
   （直觉：小容器里的 1 个球被选中的概率虽只有 1/2，但它被选中时必定成功）

可迁移的工程思想：

这是"用结构的偏斜换取整体期望最优" —— 在工程上对应「把少量关键流量引导到"确定性最高"的通路」：如分级缓存（小容量的 L1 命中即返回）、灰度发布（小流量先行验证）、限流时优先保护核心链路。

二、博弈与不变量

5. 100 个苹果，每次拿 1~5 个，如何保证拿到最后一个？

答： 先手必胜——核心是构造不变量。

 【核心洞察】
   每次可拿 1 ~ 5 个 → 两人一轮的"可控制总量" = 1 + 5 = **6**

 【构造不变量】
   先手第一次拿 **4** 个 → 剩余 **96**
   （为什么不拿别的？因为要让剩余数成为 6 的倍数：100 − 4 = 96 = 6 × 16）

 【之后的套路】
   对手拿 n 个（n ∈ [1,5]）→ 你就拿 **6 − n** 个
   → 每一轮两人合计拿走 6 个 → 剩余始终保持 6 的倍数

 【锁定序列】
   100 →(先手拿4) 96 →(每轮-6) 90 → 84 → … → 12 → 6 → **0**
   ★ 最后"6 个"时：对手拿 n，你拿 6−n → 你必然拿到最后一个 ✅

通用解法（博弈题的套路，值得背下来）：

 问题形式：一堆 n 个物品，两人轮流取 1~m 个，取到最后一个者胜。

 解：
   ① 令 k = 1 + m（一个"回合"的可控总量）
   ② 若 n % k == 0 → **后手必胜**（后手模仿：先手拿 x，后手拿 k − x）
   ③ 若 n % k != 0 → **先手必胜**，且先手第一次拿 **n % k** 个，
      之后每次拿 k − (对手刚拿的)

 本题：n = 100，m = 5，k = 6 → 100 % 6 = 4 → 先手拿 4 个 ✅

 【博弈题的通用四步（面试可以照说）】
   ① 找【必败态】（谁面对这个局面谁输）
   ② 找【必胜态】（能一步走到必败态的局面）
   ③ 观察模运算规律（往往是 n % (m+1) 之类的周期性）
   ④ 构造不变量，并【验证边界】（n 很小时是否仍成立）

追问：「如果改成'拿到最后一个的人输'呢？」

 变成"取到最后一个者输"（Misère 版本）：
   → 只需把原策略的"最后一个"让给对手：目标变成"给对方留 1 个"
   → 先手第一次拿 **n % k − 1** 个（本题：100 % 6 − 1 = 3 个）
   → 之后每轮凑 6，保证最后剩 1 个给对手 ✅
 ★ 说明："胜负条件改变"会改变先/后手优势 → 面试时先澄清规则

6. 五个囚犯依次抓绿豆，谁存活几率最大？（开放博弈题）

答：

题面：100 颗绿豆，5 个囚犯依次抓取（每人至少抓 1 颗、可摸到剩余数量但不能交流）；抓完后，抓得最多和最少的人被处死（并列时都处死）。第几个囚犯存活概率最大？

 【面试要点：这题【没有唯一确定答案】——考察的是建模与推理过程】
 ⚠️ 网上流传的"标准答案"互相矛盾，因为答案强依赖于：
   ① 并列时如何处理（都处死 / 都不处死 / 随机）
   ② 囚犯的理性假设（完全理性 / 有心理博弈 / 随机）
   ③ 抓完后是否知道其他人抓了多少
   → 所以正确的面试姿势是：【先澄清规则与假设，再给出定性分析】

定性分析（按"信息量与位置优势"来答）：

位置	优势 / 劣势
第 1 个	信息最少（不知道任何人的选择），只能押"平均数"附近；但优势是选择空间最大
第 2~4 个	信息逐渐增多（知道前面的人数与剩余量），可以做"针对性选择"
第 5 个（最后）	信息最多（知道前 4 人的总和与剩余），可以精确构造自己的数避开最大最小；但选择空间最小（剩余量可能很小）

核心结论（表述方式比数字重要）：

 ① 这是一个【非合作博弈】，不存在"绝对最优策略"，只存在"相对更优的策略"。
 ② 理性人会【避免抓极端值】（最多/最少必死），因此倾向于抓【接近平均值】的数量
    （100/5 = 20 附近）。
 ③ 因为大家都在往中间挤，**靠近中间的值更容易与他人"并列"**，而并列往往也危险
    → 产生"没有人能确保安全"的困境。
 ④ **越往后的位置信息优势越大**（能观察到前面所有人的选择），
    但**越往后剩余量越少、可选空间越小**。
 ⑤ 综合而言，**通常认为"第 5 个（最后）"或"第 3/4 个"存活概率相对更高**，
    但具体数值依赖并列规则与理性假设。

面试怎么答（这是关键）：
「这题没有唯一答案，我先要澄清三件事：并列怎么处理、囚犯是否完全理性、抓完是否公布。 在这些假设下，我的分析思路是：理性人会向平均数收敛 → 中间值反而更拥挤 → 极端值必死但中间值可能并列致死的两难。所以核心结论是「位置越靠后信息优势越大，但选择空间越小」——最后一个人可以利用已知信息精确避开极值。如果要给出数字，需要先固定并列规则与理性模型，否则任何数字都只是某个假设下的模拟结果。」
这种回答展示的是"先定义问题再求解"的工程思维，远优于背诵一个可能错误的数字。

7. 25 匹马、5 条赛道，最少几场找出前三名？

答： 7 场——核心思想是「局部排序 + 利用偏序关系剪枝」。

 【第 1 步：初赛（5 场）】
   25 匹分成 5 组（每组 5 匹），每组跑一场 → 得到组内排名
   设结果为：
     A组：A1 > A2 > A3 > A4 > A5
     B组：B1 > B2 > B3 > B4 > B5
     C组：C1 > C2 > C3 > C4 > C5
     D组：D1 > D2 > D3 > D4 > D5
     E组：E1 > E2 > E3 > E4 > E5

 【第 2 步：各组第一名决赛（1 场）】
   跑 A1 B1 C1 D1 E1，得到组间顺序。假设结果是：
     **A1 > B1 > C1 > D1 > E1**
   → **A1 一定是总第 1 名**（它比本组所有人都快，又比 B1~E1 都快）

 【第 3 步：确定第 2、3 名（1 场）】
   现在做【剪枝】：谁还有可能是总第 2 或第 3？
     · D 组、E 组全部淘汰（连 D1/E1 都排在 C1 之后，不可能进前三）
     · 各组的第 4、5 名淘汰（本组就至少有 3 匹比它快）
     · A 组的 A4、A5 淘汰（A1 A2 A3 都比它快）
     · B 组的 B3 及以后淘汰（B1 B2 加上 A1 至少 3 匹比它快）
     · C 组只剩 C1 可能（C1 前面已有 A1 B1）

   候选集 = { **A2, A3, B1, B2, C1** } —— 恰好 5 匹！
   → 让这 5 匹跑一场，**前两名即总第 2、第 3 名** ✅

 【总计】5 + 1 + 1 = **7 场**

可能进前三的只剩 5 匹：A2、A3、B1、B2、C1 —— 恰好一场就能决出第 2、3 名。

可迁移的思想（面试最有价值的部分）：

思想	说明
局部排序 → 全局剪枝	不必知道全部 25 匹的全序，只需排除掉不可能的候选——这就是"减少搜索空间"
利用偏序传递性	"A1 > A2 且 A1 > B1 且 B1 > B2"可以推导"A1 > B2"，从而剪掉大量候选
工程映射	Top-K 问题（大顶堆/小顶堆）、多路归并（K 个有序流合并取前 N）、数据库的 ORDER BY LIMIT（各分片先局部 Top-N，再归并）、锦标赛/败者树（多路归并的高效实现）

三、公共知识与归纳

8. 100 户人家的病狗：第 7 天全部被处决，共有几只病狗？

答： 7 只——核心是公共知识的层层归纳。

题面：每户养 1 条狗，共 100 条。主人能看出别人的狗是否有病，但看不出自己的（且不会告诉别人）。规则：一旦确定自己的狗有病，就必须当天处决。第 1~6 天无人行动，第 7 天所有病狗同时被处决。问共有几只病狗？

归纳推理（从 n=1 开始）：

每一层推理都依赖上一层的"没人动手"——链条的起点是那条公开宣布（"至少有一只病狗"），它把「我知道」升级为「所有人都知道所有人都知道……」。

为什么这是"公共知识"问题（关键，面试要讲这一层）：

 ★ 题目的"公告"（"至少有一只病狗，发现就要处决"）看似是所有人都知道的事，
   但它真正的价值在于让"我知道"升级为【所有人都知道】，
   进而【所有人都知道所有人都知道】……（无限层）

 对比：
   · 若【没有公开宣布】"至少有一只病狗"：
       → 如果只有 1 只，主人看到【没有】病狗时会想"也许一只都没有"
       → 无法启动归纳链 → **永远不会有人动手**
   · 【公开宣布】之后：
       → 归纳链启动 → 第 n 天处决 ← 这就是公告的价值

 ★ 所以这题的答案不是关键，"**公共知识的递推**"才是考点。
   同理：黑帽子题（关灯后自认黑帽就打耳光，第 3 次关灯有声音 → 3 顶黑帽）、
        数不清的绿眼睛岛民题，都是同一个模型。

追问：「如果有人认为别人不一定理性，答案会变吗？」

 会，而且会"崩掉"。
 · 归纳链成立的【前提】是：**所有人都是理性的，且所有人都知道所有人都是理性的**……
 · 一旦有一环"不知道别人是否理性"（或"不知道别人是否知道自己是理性的"），
   归纳推理就无法启动或中断 → 可能出现"永远无人行动"或"提前/滞后行动"。
 ★ 这正是"公共知识"与"共识"在分布式系统中的难点所在。

四、数学、建模与题面理解

9. 小猴子搬 100 根香蕉，走 50 米，每次最多搬 50 根，每走 1 米吃 1 根，最多搬回几根？

答： 16 根——关键是分段处理：在"需要来回搬运"和"只需一趟"的分界点切换策略。

分界点怎么找：只要剩余 > 50 根就必须来回搬（一次搬不完），代价是每米 3 根。
所以要尽快让剩余降到 50 以下：100 − 3x ≤ 50 → x ≥ 16.67，取 x = 17 米。
（若只走 16 米：消耗 48 剩 52 根，仍需两趟；17 米处剩 49 根，正好可以一趟 ✅）

为什么这样最优（面试要说的"为什么不能更优"）：

 ① 只要剩余 > 50 根，就【必须】来回搬（一次搬不完）
    → 这个阶段"每米 3 根"的代价是无法避免的
 ② 所以最优策略是：【尽快让剩余量降到 50 以下】，即尽早进入"一趟"阶段
 ③ 这就是为什么要走到"刚好让剩余 ≤ 50"的位置（本题 17 米处）再改策略
 ④ 反过来，如果只走 16 米（消耗 48，剩 52 根）：还要再回来一次，总消耗更大
    → 16 米处剩 52 根仍需两趟；17 米处正好 49 根，可以一趟 ✅

可迁移的思想：

"分段最优化" —— 当成本函数在不同区间不同时，先找到成本结构变化的临界点，在每段内使用该段的最优策略。工程映射：批量处理的批次大小选择、网络传输的分片阈值、IO 的缓冲区大小（小于某阈值单次传输更优，超过则分批）——都是"成本结构在某个点发生变化"的同类问题。

10. 数学与数论三类：连续整数之和、余数问题、2 的幂

答：

① 连续正整数之和为 1000，共有几组？

 【方法】设首项为 a（≥1），共 k 项（k ≥ 1），则：
     a + (a+1) + … + (a+k−1) = k(2a + k − 1) / 2 = 1000
   → k(2a + k − 1) = 2000，且要求 a = (2000/k − k + 1) / 2 为 ≥1 的整数

 【枚举 k（2000 的约数：1,2,4,5,8,10,16,20,25,40,…）】
   k = 1  → a = (2000−1+1)/2 = 1000     ✅ → {1000}
   k = 2  → a = (1000−2+1)/2 = 499.5    ✗
   k = 4  → a = (500−4+1)/2 = 248.5     ✗
   k = 5  → a = (400−5+1)/2 = 198       ✅ → {198…202}
   k = 8  → a = 121.5                    ✗
   k = 10 → a = 95.5                     ✗
   k = 16 → a = (125−16+1)/2 = 55       ✅ → {55…70}
   k = 20 → a = 40.5                     ✗
   k = 25 → a = (80−25+1)/2 = 28        ✅ → {28…52}
   k ≥ 40 → a 为负或非整数               ✗

 【答案】**4 组**：1000；198~202；55~70；28~52

 【规律】k 必须整除 2000 且 (2000/k − k + 1) 为偶数。
        也可用"平均值为整数或半整数"快速判断：k 为奇数时平均值须为整数。

② 企业人数在 1700~1800 之间，被 5 除余 3、被 7 除余 4、被 11 除余 6，共多少人？

 【技巧：把余数"凑成统一形式"】
   观察：3, 4, 6 各自都"差 2"就到除数（5−3=2，7−4=3？）

 换个思路：看 2N
     2N ≡ 6 ≡ 1 (mod 5)     （因为 2×3 = 6 ≡ 1）
     2N ≡ 8 ≡ 1 (mod 7)     （2×4 = 8 ≡ 1）
     2N ≡ 12 ≡ 1 (mod 11)   （2×6 = 12 ≡ 1）
   → **2N ≡ 1 (mod 385)**，其中 385 = 5 × 7 × 11（lcm）
   → 2N = 385k + 1

 【求落区间的解】
   385k + 1 要是偶数 → k 必须为奇数
   · k = 7 → 2N = 2696 → N = 1348（不在区间）
   · k = 9 → 2N = 3466 → **N = 1733** ✅（在 1700~1800）
 【答案】**1733 人**

 【可迁移】这是"中国剩余定理（CRT）"的实用解法：**先找一个能让所有同余式"统一"的变换
   （乘 2 是为了把余数都变成 1），再用 lcm 递推**。
   工程映射：分库分表的"路由取模"、哈希环、CRT 在密码学（RSA 加速）中的应用。

③ 50 名运动员排成一排，"单数出列"反复执行，最后剩几号？

 【模拟】
   第 1 次：去掉奇数位 1,3,5,… → 剩 2,4,6,…,50（即原来的 2 的倍数）→ 25 人
   第 2 次：把剩下的重新编号 1~25，去掉奇数位 → 剩原 4,8,…,48（4 的倍数）→ 12 人
   第 3 次：剩原 8,16,…,48（8 的倍数）→ 6 人
   第 4 次：剩原 16,32,48（16 的倍数）→ 3 人
   第 5 次：剩原 32（32 的倍数）→ 1 人
 【答案】**32 号** = 不超过 50 的最大 2 的幂（2⁵ = 32）✅

 【通用结论】n 个人做这个操作，最后剩下的是 **不超过 n 的最大 2 的幂**。
   （因为每一轮都保留"2 的倍数"，k 轮后剩 2^k 的倍数）

11. 抽象建模类：火车与鸟、4 人过桥

答：这类题的特点是不要顺着"过程"模拟，而要抓"总量与时间"的关系。

① 火车与鸟（抽象建模的经典）

 【题面】两列火车相距 s，分别以 15 km/h 和 20 km/h 相向而行；
        一只鸟以 30 km/h 在两车之间往返飞行（碰到一车就折返），
        直到两车相遇。问鸟总共飞了多远？

 【❌ 错误做法】一段段累加鸟的飞行距离 —— 这是一个【无穷级数】，能做但很笨

 【✅ 正确做法：抓"时间"】
   ① 两车相遇所需时间：t = s / (15 + 20) = s / 35 小时
   ② 鸟在这段时间里【一直在飞】，所以：
        距离 = 30 × t = 30 × s/35 = **6s/7**

 【为什么这是"建模"】把"无穷往返"这个困难的过程，
                    转化为"总时间 × 速度"这个简单的总量关系。
 ★ 面试价值：体现「**不要在细节上模拟，要找守恒量/总量关系**」的思维
   （就像工程上"不要逐条模拟流量，而要看总吞吐与总时长"）

② 4 人过桥，1/2/5/10 分钟，手电只有一个、每次最多 2 人，如何 17 分钟过完？

规则：过桥必须带手电；每次最多 2 人同行，过桥耗时取较慢者；过去后必须有人把手电送回来。

❌ 直觉解法（让最快的 1 来回送手电）—— 19 分钟

✅ 最优解 —— 17 分钟（让最慢的两人「一次性一起过」）

本质：用两个快的人做「摆渡」，换取两个慢的人只通过一次。通用结论（4 人 a<b<c<d）：
方案甲（快者摆渡）= c + a + d + a + b；方案乙（慢者结对）= b + a + d + b + b，取较小值。

 【为什么这样最优（面试要说清）】
   · 两个最慢的人（5 和 10）如果分别过桥，需要有人来回送手电，
     总的"送手电成本"会很高
   · 让 5、10 一起过 → 把"最慢的一次"只花一次，代价是让 1、2 各多跑一趟
   · 本质是权衡：**"用两个快的人做'摆渡'，换取两个慢的人只通过一次"**
   · 通用结论（4 人 a<b<c<d）：
       方案甲（快者摆渡）: c + a + d + a + b
       方案乙（慢者结对）: b + a + d + b + b   ← 本题选这个
       取两者较小值

可迁移的思想：

「优化问题的关键往往不是"每步都最优"，而是"把最贵的操作合并只做一次"」 —— 工程上对应：批量处理（把多次小开销合并成一次）、减少跨网络往返（RTT）、合并小文件。这也是"总成本最小化优于单步最优"的具体体现。

12. 题面理解类：九点十线、镜子问题、飞机绕地球

答：这类题的共同点是——答案取决于你如何理解题面（隐含约束）。面试时先澄清、再作答是关键。

① 9 个点画 10 条直线，每条至少经过 3 个点

 【经典陷阱】把"3×3 点阵的边界"当成了不可突破的限制

 【正解】允许直线【延伸到点阵之外】：
   3 条水平线 + 3 条竖直线 + 2 条对角线 = 8 条
   + 2 条【穿过点阵外部】的斜线（利用延长线上的点）
   = 共 10 条，每条都过至少 3 个点 ✅

 【考点】这是经典的"**打破题目没有明确规定的隐含约束**"
   —— 题面只说"9 个点、10 条线、每条至少 3 点"，
      从未说"线不能超出 3×3 的方形区域"。
   ★ 这类思维在**产品/架构设计**里非常重要：
     "用户说的限制，哪些是真实约束、哪些只是习惯假设？"

② 镜子为什么颠倒左右而不颠倒上下？

 【先纠正题面】镜子其实【既不颠倒左右，也不颠倒上下】——
              它颠倒是【前后（深度）方向】。

   用坐标表达：
       镜像变换：(x, y, z) → (x, y, −z)     ← 只有 z（前后）取反
       x（左右）与 y（上下）都没有被改变

 【那为什么"感觉"是左右颠倒？】
   · 我们以【自己的身体】为参照系来解读镜像：
     "镜中人的左手在我的右边" → 我们把它读成"左右交换了"
   · 但实际上：镜中人是"**转过身来面对你**"的状态
     —— 如果现实中真有个人转身面对你，他的左手也在你的右边
   · 如果我们改用【客观坐标】（东南西北）描述，就不会有"左右颠倒"的错觉

 【为什么上下不觉得颠倒？】
   · 因为重力给了我们一个"绝对"的上下参照（头在上、脚在下），
     而【左右没有绝对参照】（完全依赖人的朝向）
   → 所以"前后翻转"在"上下有绝对参照、左右没有"的情况下，
      被我们【误读成了左右颠倒】

 【面试表达】「镜子颠倒的是前后方向。之所以感觉像左右颠倒，
              是因为我们用自己的身体（而非客观坐标）去解读镜像，
              而上下有重力作为绝对参照、左右没有。」

③ N 架相同飞机，每架油可绕地球半圈，可相互加油，至少几架能送一架绕地球一圈？

 ⚠️ 【这题条件敏感，答案强依赖于几个"没写出来的"假设，必须先澄清：】
   ① 飞机能否在机场降落、落地后能否重新加满油？
   ② 空中加油时，油能否无限转移？有没有"每架携带上限"？
   ③ 加油机是否必须安全返航（保住自己）？
   ④ 是否可以在沿途任何点加油？

 【在常见版本（所有飞机必须安全返航、油可互相转移、携带上限 = 半圈油）下】
   直观思路：把地球圆周按 1/8 为刻度分点，用"接力加油"：
     · 顺时针方向：多架飞机在不同刻度处为"主角"补油后返航
     · 逆时针方向：另几架飞机在对面半圈处接应，保证主角到 1/2 处后
       有人接回，且所有护航机都能安全返回

 【面试安全答法】
   「这题的关键在于【先明确假设】——是否允许落地加油、是否必须全员安全返航、
     油能否自由转移。**在"必须全员安全返航、空中自由加油"的版本下，
     经典结论是 3 架（含主角）即可；如果要求每架都返回原机场且不允许落地加油，
     需要的架数会更多。** 我先把假设列出来，再推导。」
   → 展示"先定义问题"的严谨性，比报一个可能被追问倒的数字更安全

面试总结（这类题的通用姿势）：
「遇到题面含糊的题，第一句永远是『我先确认一下条件……』」。
这不是"答不上来"，而是工程上最被看重的能力——需求不明时先定义清楚再动手。

13. 收尾必答：智力题的思维怎么迁移到工程与系统设计？

答：这是智力题环节最有价值的收尾——面试官问完几道题后，通常会给机会让你总结。主动把套路映射到工程场景，能把"会做题"升级为"会思考"。

智力题套路	工程/系统设计中的对应
信息量 / 编码（天平、1000 瓶药）	位图（Bitmap）、布隆过滤器、权限位、Feature Flag、请求 ID 分段编码、一致性哈希的虚拟节点——都是"把信息编码进有限的状态空间"
二分/三分搜索	二分查找、B+ 树检索、ZooKeeper/etcd 的区间定位、`git bisect`、故障排查的"分段隔离法"
状态转移 + BFS	状态机（订单/工作流）、BFS/DFS 图搜索、限流算法（令牌桶本质是状态转移）、协议状态机（TCP 状态机）
不变量 / 模运算	分布式 ID 的取模路由、分库分表的 hash 分片、一致性哈希、幂等设计中的"版本号/序列号"
公共知识归纳	分布式共识（Raft/Paxos 的"多数派知道"）、终止检测（Flink Checkpoint 等所有 task ack）、BYZANTINE 容错的"知道别人知道"
贝叶斯与基数效应	告警降噪（低先验事件不能只看单指标阈值）、风控模型评估（Precision 优先）、A/B 实验的显著性判断
博弈与必胜态	限流与反爬的对抗（攻击者会试你的规则）、竞价/广告出价、资源调度中的策略博弈
找分界点分段优化（猴子搬香蕉）	批量大小选择（batch size）、缓冲区大小、分批传输阈值、批处理 vs 实时处理的边界
把最贵的操作合并只做一次（过桥）	批量写合并、减少 RPC 往返、合并小文件、日志批量刷盘
打破隐含约束（九点十线）	架构评审中质疑"这是真约束还是习惯假设"、产品需求里区分"必须"与"想要"
抓总量而非模拟过程（火车与鸟）	容量规划（看总 QPS 与总耗时而非逐请求模拟）、性能测试的吞吐优先、成本预估的"总量法"
先澄清条件再作答（镜子、飞机）	需求澄清、接口契约定义、SLA 与边界条件的确定——工程上最重要的习惯

面试收尾的高分表达（可直接背）：

「智力题考的不是答案，而是把自然语言转换成数学模型的能力——找状态、找约束、找不变量、验证边界。
这个能力在工程上的直接映射就是：面对模糊需求时，先定义清楚状态与约束（而不是急于写代码）；面对复杂系统时，先找不变量与守恒量（而不是逐行模拟）；面对反直觉现象时，先检查自己的先验假设（而不是相信直觉）。
就像设计模式不是背 23 个类图，而是识别变化点与职责边界——智力题也不是背答案，而是训练"把模糊问题结构化"的习惯。这两件事的本质是同一个能力。」

智力题系列小结：（一）信息量、状态与逻辑推理 →（二）概率、博弈、数学与综合名题。所有题目最终归到七个套路：信息量 / 状态转移 / 不变量 / 公共知识 / 贝叶斯 / 假设排除 / 抽象建模。掌握套路并在面试中主动展示推理过程，比背下答案重要得多。