2025-08-18：最大化游戏分数的最小值。用go语言，给你一个长度为 n 的数组 points 和一个整数 m。另有一个大小为 n 的数组 gameScore，初始时所有元素均为 0。你从位置 -1（在索引 0 之前的一个位置）开始，最多可以进行 m 次移动。每次移动必须向左或向右走一步（索引增加 1 或减少 1），并且每次进入某个索引 i 时，就把 points[i] 的值累加到 gameScore[i] 上。可以多次经过同一位置，累计多次加分。注意：第一次走动后，你的位置必须始终保持在数组索引范围内（即后续不能移出 0 到 n−1 的范围）。

目标是设计最多 m 步的移动序列，使得最终 gameScore 中的最小值尽可能大。返回能达到的最大最小值。

2 <= n == points.length <= 5 * 10000。

1 <= points[i] <= 1000000。

1 <= m <= 1000000000。

输入：points = [2,4], m = 3。

输出：4。

解释：

一开始，下标 i = -1 且 gameScore = [0, 0].

gameScore 中的最小值为 4 ，这是所有方案中可以得到的最大值，所以返回 4 。

题目来自力扣3449。

示例分析

以 points = [2, 4] 和 m = 3 为例：

1. 初始位置：i = -1，gameScore = [0, 0]。
2. 第一次移动：向右到 i = 0，gameScore = [2, 0]（移动 1）。
3. 第二次移动：向右到 i = 1，gameScore = [2, 4]（移动 2）。
4. 第三次移动：向左到 i = 0，gameScore = [4, 4]（移动 3）。 最终 gameScore 的最小值为 4，这是可以得到的最大值。

解题思路

我们需要找到一个移动序列，使得 gameScore 的最小值最大化。直接枚举所有可能的移动序列是不现实的，因为 m 可以非常大（1e9）。因此，我们需要采用更高效的方法。

二分搜索

观察到我们可以对“最小值的最大值”进行二分搜索：

• 设 low 是我们希望 gameScore 的最小值能达到的值。
• 我们需要验证是否存在一个移动序列，使得 gameScore 的所有元素至少为 low，且移动步数不超过 m。
• 如果存在这样的序列，则可以尝试更大的 low；否则需要尝试更小的 low。

验证函数

对于给定的 low，我们需要计算最少需要多少步才能让所有 gameScore[i] >= low：

1. 对于每个 points[i]，计算至少需要进入 i 多少次才能让 gameScore[i] >= low。即 k_i = ceil(low / points[i])。
2. 移动序列可以看作是在数组上来回移动。每次从 i 移动到 i+1 或 i-1 需要一步。
3. 最优的移动序列通常是“左右横跳”的模式：从 0 开始，向右走到 n-1，然后向左走到 0，再向右走，等等。
4. 对于每个 i，k_i 是进入 i 的次数。我们需要计算覆盖所有 k_i 的最小步数。

计算最小步数

• 对于第一个元素 points[0]，需要进入 k_0 次。每次进入 0 需要从 -1 开始（第一次），或者从 1 回来。
• 对于其他元素 points[i]，需要进入 k_i 次。每次进入 i 可以从 i-1 或 i+1 过来。
• 最优策略是尽可能利用“往返”移动：从 0 开始，向右走到 i，然后向左走回 0，这样可以在较少的步数内多次访问 0 和 i。

具体验证步骤

对于给定的 low：

1. 计算每个 i 的 k_i = ceil(low / points[i])。
2. 初始时在 -1，第一次移动到 0 需要 1 步。
3. 对于 i > 0，从 i-1 到 i 需要 1 步，从 i 到 i-1 也需要 1 步。
4. 总步数是 sum_{i} (2 * k_i - 1) 减去一些优化（例如最后一个元素不需要完全往返）。
5. 如果总步数 <= m，则 low 可行。

时间复杂度

• 二分搜索的范围是 [0, (m + 1) / 2 * max(points))]，因为最多可以访问每个位置 (m + 1) / 2 次（每次往返需要 2 步，可以访问一个位置最多 (m + 1) / 2 次）。
• 二分搜索的时间复杂度是 O(log(right))，其中 right 是 (m + 1) / 2 * max(points)。
• 每次验证需要遍历 points 数组，时间复杂度是 O(n)。
• 总时间复杂度是 O(n * log(right))。

空间复杂度

• 除了输入和输出，我们只需要常数空间来存储中间变量。
• 总空间复杂度是 O(1)。

示例验证

以 points = [2, 4] 和 m = 3 为例：

• 二分搜索 low 的范围是 [0, (3 + 1)/2 * 4] = [0, 8]。
• 验证 low = 4：
  • k_0 = ceil(4 / 2) = 2，k_1 = ceil(4 / 4) = 1。
  • 移动序列：
    1. -1 -> 0（步数 1，gameScore = [2, 0]）。
    2. 0 -> 1（步数 2，gameScore = [2, 4]）。
    3. 1 -> 0（步数 3，gameScore = [4, 4]）。
  • 总步数 3 <= 3，low = 4 可行。
• 验证 low = 5：
  • k_0 = ceil(5 / 2) = 3，k_1 = ceil(5 / 4) = 2。
  • 最少需要 2 * 3 - 1 + 2 * 2 - 1 = 5 + 3 = 8 步（实际可能需要更少，但显然 8 > 3），不可行。
• 因此最大可行的 low 是 4。

总结

1. 使用二分搜索确定最大的 low，使得存在移动序列让 gameScore 的最小值至少为 low。
2. 验证函数计算最少需要多少步才能让所有 gameScore[i] >= low。
3. 时间复杂度：O(n * log(right))。
4. 空间复杂度：O(1)。

Go完整代码如下：

package mainimport ("fmt""slices""sort"
)func maxScore(points []int, m int) int64 {right := (m + 1) / 2 * slices.Min(points)ans := sort.Search(right, func(low int) bool {// 二分最小的不满足要求的 low+1，即可得到最大的满足要求的 lowlow++left := mpre := 0for i, p := range points {k := (low-1)/p + 1 - pre // 还需要操作的次数if i == len(points)-1 && k <= 0 { // 最后一个数已经满足要求break}k = max(k, 1) // 至少要走 1 步left -= k*2 - 1 // 左右横跳if left < 0 {return true}pre = k - 1 // 右边那个数顺带操作了 k-1 次}return false})return int64(ans)
}func main() {points := []int{2,4}m := 3result := maxScore(points,m)fmt.Println(result)
}

Python完整代码如下：

# -*-coding:utf-8-*-def maxScore(points, m):right = (m + 1) // 2 * min(points)lo, hi = 0, rightwhile lo < hi:mid = (lo + hi) // 2if check(mid, points, m):hi = midelse:lo = mid + 1return lodef check(score, points, total_steps):target = score + 1steps_left = total_stepspre = 0n = len(points)for i, p in enumerate(points):total_needed = (target - 1) // p + 1k = total_needed - preif i == n - 1:if k <= 0:breakif k < 1:k = 1steps_left -= 2 * k - 1if steps_left < 0:return Truepre = k - 1return False# 测试用例
if __name__ == "__main__":points = [2, 4]m = 3result = maxScore(points, m)print(result)  # 输出: 4