- 约瑟夫问题重述：
在计算机编程的算法中，类似问题又称为约瑟夫环
约瑟夫环：N个人围成一圈，从第一个开始报数，第M个将被杀掉，最后剩下一个，其余人都将被杀掉。
例如N=6，M=5，被杀掉的顺序是：5，4，6，2，3，1。
如图所示
2.约瑟夫问题递归法计算原理：
2.1 内容：设F（N,M）为最后存活者的位置（位置从0开始），则有：
F（N，M）=（F（N-1，M）+M）%N
2.2 证明：数学归纳法
· 当n=1时，f(1,m)=0，因为编号从0开始且只有一个人，胜利者编号显然为0。 当n=2时，序列为0,1，若m为奇数，则胜利者编号为1；若m为偶数，则胜利者编号为0，易有f(2,m)=m%2=(0+m)%2=[f(1,m)+m]%2，结论成立。
· 假设当n=i-1时结论成立，即对于序列0,1,2,...,i-2而言，最后的胜利者编号为f(i-1,m)。 当n=i时，序列为0,1,2,...,i-1。设第一轮的淘汰者编号为k（若m%i=0，则k=i-1，否则k=m%i-1），则序列可表示为0,1,2,...,k-1,k,k+1,...,i-1。第一轮淘汰k，余下的序列x'为k+1,...,i-1,0,1,...,k-1，问题规模变为i-1。 因为由归纳假设，当n=i-1时，对于序列x:0,1,2,...,f(i-1,m),...,i-2，胜利者编号为f(i-1,m)。
由于x'=(x+k+1)%i，故f(i,m)=[f(i-1,m)+k+1]%i。当m%i=0时，k+1=i，[f(i-1,m)+k+1]%i=[f(i-1,m)+i]%i=f(i-1,m)%i+0=f(i-1,m)%i+m%i=[f(i-1,m)+m]%i；当m%i!=0时，k+1=m%i，[f(i-1,m)+k+1]%i=[f(i-1,m)+m%i]%i=[f(i-1,m)+m]%i。故当n=i时，结论成立。
· 综上，命题成立。
3.设计对象问题：
3.1问题重述：
假设你正在游玩约瑟夫游戏，从你开始报数，游戏规则与课上讲述一致，现在你想确保你是最后一个出列的玩家，如果由你设置m（即每报几个数出列一人），你应该如何设置m来确保自己的胜利？
3.2问题分析：
- F（N，M）=（F（N-1，M）+M）%N
- 设“我”的编号为S，总人数为N，每次第M个人被杀掉，S,N为已知量，M是待确定量；
- 最终目标：在保证F（N，M）+ S = S的条件下，确定M；
- 在确保时间复杂度，计算的开销等因素下，尽量进行优化的选取。
3.3问题求解：
F(N , M) = (F(N-1，M)+M) mod N (1)
F(N , M) = 0; ( 2 )
思路1：枚举法
1.实现：枚举m，运用公式计算F(N,M) , 找到满足条件的m;
2.复杂度：O(n*m)；
3.优点： 思路简单，枚举足够多就能找到全部解，且容易。
4.缺点：用while()枚举，当大到一定程度终结。无法确定是否能找到m，以及m要枚举多大。
思路2：设计法
- 实现：
F(1,M) = 0;
F(2,M) = (M)%2 = 0;
F(3,M) = (M%2 +M)%3 = 0 ;
...
F(N,M) = (M%2 + M%3 + M%4 +...+M%N)%N = 0;
令 M = N!，则满足条件。
2.复杂度：O(N)；
3.优点： 复杂度低
4.缺点：当N过大时，m数据值过大。
6.优化
1.操作：
双指针删因子法缩小m规模。
试图在不改变复杂度条件下删除公共因子以减小m的数据规模。
- 复杂度： O(N);
- 缺陷：降低规模效果不明显，依旧只能处理小范围数据
- 进一步优化：
- 方法1：用string进行大数计算；
- 方法2：用Python；
- 方法3：n小则用法2，n大用法1，但是依旧具有m不确定是否能找到的不稳定性。
只需在原有基础上修改为大数模式，在此除了方法三外不做具体实现。
