姜小邑1. 鸡尾酒疗法在信息学竞赛中的数学建模
第一次看到"鸡尾酒疗法"这个题目时，我以为是医学相关的算法题。仔细研究后才发现，这是一道经典的数学建模与比较分析题，考察的是对治疗效果数据的处理能力和统计思维。这类题目在信息学奥赛中很常见，但往往被选手们忽视其实际应用价值。
鸡尾酒疗法原本是指用多种药物组合治疗疾病的方法，在题目中被抽象为一种治疗效果评估模型。我们需要处理的核心数据是：鸡尾酒疗法在n个测试阶段的疗效数据（每组包含治疗人数和有效人数），以及其他n-1种替代疗法的同类数据。题目要求我们计算每种疗法相对于鸡尾酒疗法的改善或恶化程度，并输出评估结论。
关键提示：这类题目看似简单，但实际编程时容易在边界条件和精度处理上出错。比如当鸡尾酒疗法本身有效率就是0%时该如何处理，这就是一个典型的陷阱。
1.1 题目要求的数学本质
题目给出的计算公式其实描述了两个比例的比较：
- 鸡尾酒疗法的有效率 = 有效病例数 / 总病例数
- 其他疗法的有效率 = 相应有效数 / 相应总数
然后计算：(其他疗法有效率 - 鸡尾酒疗法有效率) / 鸡尾酒疗法有效率 × 100%
这个式子本质上是在计算相对变化率，在统计学上称为"相对差异百分比"(Percentage Relative Difference)。它比简单的绝对差值更能反映改进的实际意义。
举个例子：
- 如果鸡尾酒疗法有效率是50%，新疗法是55%，那么改进是(55-50)/50×100%=10%
- 但如果基础有效率是5%，提高到5.5%，同样绝对差0.5%，但相对改进也是10%
这种评估方式在医学研究中很常见，因为它考虑了基线水平的影响。
1.2 输入数据的处理要点
输入格式通常是：
第一行：整数n（1<n≤20），表示测试阶段数
接下来n行：每行5个整数，依次是鸡尾酒疗法的总病例数、有效数，以及其他三种疗法的对应数据
在编程处理时要注意：
- 需要先读取n，然后循环n次读取每组数据
- 每组数据包含5个整数，可以用数组或直接变量存储
- 计算有效率时要先转换为浮点数再做除法，避免整数除法的问题
- 要特别处理分母为零的情况（虽然题目数据可能保证不会出现）
一个常见的错误是直接用整数计算百分比，这样会丢失精度。正确做法是：
python复制cocktail_rate = effective_cocktail / total_cocktail * 100
other_rate = effective_other / total_other * 100
improvement = (other_rate - cocktail_rate) / cocktail_rate * 100
1.3 边界条件与异常处理
虽然题目可能不会给出极端测试用例，但好的编程习惯要考虑各种可能性：
- 零分母情况：当鸡尾酒疗法有效数为零时，相对改进计算会出现除零错误。虽然题目数据可能规避这点，但实际编程中应该加入判断：
python复制if cocktail_rate == 0:
# 特殊处理逻辑
- 负改进值：当其他疗法效果更差时，结果会是负数，这符合题目要