Algorithm 在n个人中查找最多（n/2）-1个说谎者的最快算法
以下是我的设想： 这个问题是用说谎者和说真话的人来描述的，但它在识别复杂系统的哪些组成部分是好的（功能正常）和哪些是错误的方面有实际的应用。假设我们有一个由n人组成的社区，我们知道一个整数tAlgorithm 在n个人中查找最多（n/2）-1个说谎者的最快算法,algorithm,find,compare,Algorithm,Find,Compare,以下是我的设想： 这个问题是用说谎者和说真话的人来描述的，但它在识别复杂系统的哪些组成部分是好的（功能正常）和哪些是错误的方面有实际的应用。假设我们有一个由n人组成的社区，我们知道一个整数tn/2的唯一最大群体。我将把它留给那些容易破坏家庭作业的问题来优化。你说说谎者可能会说真话，也可能会撒谎。在我看来，这使问题变得很困难。我在规范中提供了一个解决方案撒谎者总是撒谎的典型案例 让G成为感兴趣的群体。选择群体中的任意成员，X说。观察询问X的过程“是Y说谎者吗？”如果X和Y都是说真话的人或者都是说谎
最佳算法是什么（最少步数）要找到所有的说谎者？如果你查询所有对，那么说真话的人将显示为大小>n/2的唯一最大群体。我将把它留给那些容易破坏家庭作业的问题来优化。你说说谎者可能会说真话，也可能会撒谎。在我看来，这使问题变得很困难。我在规范中提供了一个解决方案撒谎者总是撒谎的典型案例
让
GXXYXYXGYXYXX这不是一个直接的解决方案，但对感兴趣的人来说是一个很好的背景阅读。具有最佳预期运行时间O（n）和优秀常数的随机算法：
多数人决定（这是关键观察！）
我们必须随机选择的预期人数是O（1）（这是这个问题中最重要的部分，因为这可能是家庭作业，我将跳过证明，但提示一个简单的证明：几何分布），这意味着我们将在O（1）*O（n）时间内找到我们的真相讲述者和可靠的来源，然后是另一个O（n）总的来说，O（n）。我的解决方案的伪代码，基本上与Davin的解决方案相同。一个显著的区别是，您只需要最大可能剩余说谎者+1的共识
set unknown = all
set known_true = {}
set known_lie = {}
while known_true.is_empty()
voted_lie = {}
voted_true = {}
truth_votes = 0
lie_votes = 0
to_check = unknown.get(0)
while truth_votes < t - known_lie.size() + 1 && lie_votes < t - known_lie.size() + 1:
checker = unknown.get_next()
if checker.is_liar(to_check):
lie_votes++
voted_lie.add(checker)
else
truth_votes++
voted_true.add(checker)
if truth_votes > t + 1:
unknown.remove(to_check)
known_true.add(to_check)
known_lie.add_all(voted_lie)
unknown.remove_all(voted_lie)
else:
unknown.remove(to_check)
known_lie.add(to_check)
known_lie.add_all(voted_true)
unknown.remove_all(voted_true)
while not unknown.is_empty() && known_liar.size() < t:
to_check = unknown.get(0)
if known_true.get(0).is_liar(to_check):
unknown.remove(to_check)
known_lie.add(to_check)
else
unknown.remove(to_check)
known_true.add(to_check)
set unknown=all
设置已知_true={}
集合已知_lie={}
虽然已知，但为真。是否为空（）
投票表决_lie={}
投票结果为_true={}
真理票数=0
lie_票数=0
to_check=未知。获取（0）
当真理投票t+1：
未知。删除（要检查）
已知\u为真。添加（到\u检查）
已知谎言。添加所有谎言（投票谎言）
未知。删除所有（投票表决）
其他：
未知。删除（要检查）
已知谎言。添加（到检查）
已知谎言。添加所有（投票为真）
未知。删除所有（投票为真）
虽然不是未知的。是否为空（）&&known\u liar.size（）