GESP一级编程题解析：文具组合购买算法

1. 题目背景与需求分析

这道编程题源自GESP一级认证考试，题目描述为：小明需要购买文具，已知文具店里有三种文具，分别是铅笔、橡皮和笔记本。铅笔每支2元，橡皮每个1元，笔记本每本5元。现在给定小明拥有的钱数n（n≥1），要求计算出小明用这些钱恰好能买多少种不同的文具组合（每种文具可以买0个或多个）。

1.1 问题建模

这是一个典型的组合数学问题，可以抽象为：
给定三个正整数a=2，b=1，c=5，求非负整数解(x,y,z)的个数，使得2x + y + 5z = n成立。

这类问题在计算机科学中被称为线性丢番图方程，是算法竞赛和编程考试中的常见题型。解题关键在于如何高效枚举所有可能的组合情况。

2. 解题思路与算法设计

2.1 暴力枚举法

最直观的解法是三重循环枚举所有可能的购买组合：

python复制n = int(input())
count = 0
for x in range(n//2 + 1):  # 铅笔最多买n//2支
    for y in range(n + 1):  # 橡皮最多买n个
        for z in range(n//5 + 1):  # 笔记本最多买n//5本
            if 2*x + y + 5*z == n:
                count += 1
print(count)

时间复杂度分析：

• 最外层循环次数：O(n/2)
• 中层循环次数：O(n)
• 内层循环次数：O(n/5)
• 总复杂度：O(n³)

虽然对于n≤100的小规模数据足够，但当n较大时效率会显著下降。

2.2 优化解法：双重循环

观察到当确定x和z后，y的值可以直接计算得出：

python复制n = int(input())
count = 0
for x in range(n//2 + 1):
    for z in range(n//5 + 1):
        remaining = n - 2*x - 5*z
        if remaining >= 0:
            count += 1
print(count)

优化效果：

• 减少一层循环
• 时间复杂度降为O(n²)
• 空间复杂度保持O(1)

2.3 数学解法：生成函数

对于数学基础较好的学习者，可以使用生成函数方法：

文具组合对应的生成函数为：
(1 + x² + x⁴ + ...)(1 + x + x² + ...)(1 + x⁵ + x¹⁰ + ...)

求xⁿ项的系数即为解的数量。这种方法适合理论分析，但在编程实现中不如枚举法直观。

3. 代码实现与测试

3.1 Python实现示例

python复制def count_combinations(n):
    count = 0
    max_pencil = n // 2
    max_notebook = n // 5
    
    for pencil in range(max_pencil + 1):
        for notebook in range(max_notebook + 1):
            remaining = n - 2*pencil - 5*notebook
            if remaining >= 0:
                count += 1
    return count

n = int(input())
print(count_combinations(n))

3.2 边界条件测试

3.3 常见错误排查

1. 循环范围错误：

   • 错误写法：range(n) 忘记加1
   • 正确写法：range(n//2 + 1)

2. 剩余金额判断遗漏：

   • 必须检查remaining >= 0，否则会统计无效组合

3. 初始化问题：

   • 忘记初始化计数器count = 0

4. 算法优化进阶

4.1 单层循环解法

进一步观察可以发现，当固定铅笔数量x后，笔记本数量z的取值范围为：
0 ≤ z ≤ (n-2x)//5

因此可以直接计算每个x对应的z的可能取值数量：

python复制n = int(input())
count = 0
for x in range(n//2 + 1):
    max_z = (n - 2*x) // 5
    count += max_z + 1
print(count)

优势：

• 时间复杂度降至O(n)
• 代码更简洁高效

4.2 数学公式推导

通过数学推导可以得到闭式解公式，但实现较为复杂，适合数学竞赛而非编程考试。

5. 教学建议与学习路径

5.1 教学步骤建议

1. 先引导理解问题本质，建立数学模型
2. 从最直观的三重循环开始实现
3. 逐步优化算法，讲解每步优化思路
4. 最后介绍数学方法拓宽视野

5.2 相关扩展题目

1. 硬币找零问题
2. 背包问题变种
3. 多元一次方程整数解计数

5.3 学习资源推荐

• 《算法竞赛入门经典》枚举算法章节
• LeetCode 322题"Coin Change"
• Project Euler 第31题

在实际教学中，建议先让学生独立尝试暴力解法，再引导他们发现优化空间，最后讨论更高级的数学方法。这种循序渐进的方式最能培养算法思维。