LeetCode移山问题：二分搜索优化并行任务分配

1. 问题背景与核心挑战

这道LeetCode题目描述了一个有趣的"移山"场景：给定一座山的高度mountainHeight和一组工人的工作效率workerTimes，我们需要计算工人们同时工作时将山完全移平所需的最少秒数。每个工人i每降低x单位高度所需的时间遵循特定公式：workerTimes[i] + workerTimes[i]*2 + ... + workerTimes[i]*x。

这个问题的核心在于理解两个关键点：

1. 工作时间计算的非线性特性：工人i降低x单位高度的时间不是简单的线性关系，而是1到x的累加和乘以workerTimes[i]
2. 并行工作的最优化：所有工人同时工作，最终耗时取决于最慢的那个工人

2. 问题分析与数学建模

2.1 工作时间公式解析

对于工人i降低x单位高度，所需时间可以表示为：
T_i = workerTimes[i] * (1 + 2 + 3 + ... + x) = workerTimes[i] * x(x+1)/2

这是一个二次函数关系，意味着随着x的增加，所需时间会快速增长。例如：

• 降低1单位：T = workerTimes[i] * 1
• 降低2单位：T = workerTimes[i] * 3
• 降低3单位：T = workerTimes[i] * 6

2.2 并行工作的时间计算

由于所有工人同时工作，整个移山过程的总时间取决于最慢的那个工人完成其分配任务的时间。因此，我们需要找到一个分配方案，使得：

1. 所有工人分配的高度降低量之和 ≥ mountainHeight
2. 所有工人中最大的工作时间尽可能小

这实际上是一个典型的"最小化最大负载"问题，类似于分布式计算中的任务分配问题。

3. 解题思路与算法选择

3.1 暴力枚举的不可行性

最直观的想法可能是枚举所有可能的高度分配方案，然后计算每种方案的最大工作时间，最后取最小值。然而，这种方法的时间复杂度极高，对于mountainHeight=10^5和workerTimes.length=10^4的情况，计算量会爆炸。

3.2 二分搜索的适用性

观察到这个问题具有单调性：如果给定时间T，我们可以计算每个工人在T时间内最多能降低多少高度。如果所有工人能降低的总高度≥moun