🥚 Το Κλασικό Πρόβλημα
Έχουμε ένα κτίριο με ορόφους και 2 αυγά.
Ξέρουμε ότι υπάρχει ένας «κρίσιμος» όροφος :
-
Για κάθε όροφο ≤ K το αυγό δεν σπάει.
-
Για κάθε όροφο > K το αυγό σπάει.
Στόχος:
Να βρούμε τον με τον ελάχιστο δυνατό αριθμό ρίψεων στη χειρότερη περίπτωση.
Αν είχαμε 1 αυγό, θα ήμασταν αναγκασμένοι να ψάξουμε γραμμικά:
Με 2 αυγά, θέλουμε να ισορροπήσουμε ανάμεσα σε γρήγορη αναζήτηση και ασφάλεια.
🔥 Η Κεντρική Ιδέα
Αν ρίξουμε ένα αυγό από έναν ψηλό όροφο και σπάσει, μας μένει μόνο 1 αυγό, άρα πρέπει να ψάξουμε γραμμικά προς τα κάτω.
Άρα:
-
Αν πάμε πολύ «ψηλά» κινδυνεύουμε να χρειαστούμε πολλές δοκιμές.
-
Αν πάμε πολύ «χαμηλά» χάνουμε χρόνο ανεβαίνοντας λίγο–λίγο.
Χρειαζόμαστε μια στρατηγική που ισορροπεί αυτές τις δύο περιπτώσεις.
🔢 Το Κλειδί: Πόσους Ορόφους Καλύπτουμε με Ρίψεις;
Ορίζουμε:
Αν η πρώτη ρίψη γίνει στον όροφο :
-
Αν σπάσει, μας μένουν ρίψεις για να ψάξουμε γραμμικά προς τα κάτω → όροφοι.
-
Αν δεν σπάσει, έχουμε ρίψεις με 2 αυγά για τους πάνω ορόφους → όροφοι.
Άρα:
Με αρχική τιμή:
Επομένως:
Αυτό σημαίνει:
Με 14 ρίψεις μπορούμε να χειριστούμε ορόφους.
ΚΑΙ αποδεικνύεται ότι κανένας αλγόριθμος με 14 ρίψεις δεν μπορεί να κάνει καλύτερα.
Άρα η στρατηγική είναι βέλτιστη.
↗️ Η Βέλτιστη Σειρά Ρίψεων
Αν χρειάζεσαι ρίψεις, ρίχνεις:
Δηλαδή κάθε φορά ανεβαίνεις 1 όροφο λιγότερο από πριν.
Παράδειγμα:
Ρίψεις:
-
14
-
27 (14 + 13)
-
39 (14 + 13 + 12)
-
50
-
60
-
69
-
77
-
84
-
90
-
95
-
99
-
102 → σταματάς στο 100.
Αν σπάσει κάπου, ψάχνεις γραμμικά προς τα κάτω από τον προηγούμενο ασφαλή όροφο.
🧠 Γιατί Αυτό Είναι Βέλτιστο (σε 1 φράση)
Η χειρότερη περίπτωση από κάθε σημείο πρέπει να είναι ίση, αλλιώς χάνουμε «ασφάλεια» ή «ταχύτητα».
Το μόνο σύνολο βημάτων που εξισορροπεί ακριβώς αυτή την ισότητα είναι:
🏁 Συμπέρασμα
Το πρόβλημα των αυγών δεν είναι θέμα «τυχαίας επιλογής βημάτων» — είναι ένα τέλειο ισοζύγιο μεταξύ ρίσκου και πληροφορίας.
Και η λύση του οδηγεί όμορφα:
.jpg)
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου