民族文化推广：活动效果预测与转化估计 完整解题档案

档案概况

题目、题干与输入输出

正式题面

源文件：official-prompt.md

规则来源

• 赛项说明页码：15
• 训练题主题：民族文化推广：活动效果预测与转化估计
• 所属赛道：民族文化赛道

题目背景

推广活动连续举办多天后，组织者想根据已有数据估算整体转化率，并对下一天的访问量和可能下单量做一个简化预测。

任务描述

• 读取多天的访问量和下单量。
• 计算总转化率：总下单量 / 总访问量 * 100%。
• 取最近不超过 3 天的访问量平均值，四舍五入得到下一天预测访问量。
• 用平均转化率估算下一天下单量，并找出历史上单日下单量最高的日期。

输入格式

1. 第一行输入整数 n。
2. 接下来 n 行，每行输入 visits orders。

输出格式

1. 第一行输出 conversion=平均转化率，保留两位小数。
2. 第二行输出 forecast=预测访问量 预测下单量。
3. 第三行输出 best_day=历史最佳日期编号，日期从 1 开始。

数据范围与说明

• 1 <= n <= 10^5。
• 1 <= visits，0 <= orders <= visits。
• 预测访问量使用最近 min(3, n) 天访问量平均值并四舍五入。
• 若多天单日下单量相同，输出最早的日期。

样例输入

4
120 18
150 24
180 30
210 29

样例输出

conversion=15.30
forecast=180 28
best_day=3

样例解释

• 总访问量为 660，总下单量为 101，因此平均转化率约为 15.30%。
• 最近三天访问量平均值是 180，因此预测访问量为 180。
• 按平均转化率估算，预测下单量为 28；历史最佳日期是第 3 天。

知识点清单

• 比例与百分比换算。
• 整数四舍五入。
• 最近窗口平均值。
• 历史最优位置维护。
• 预测值和统计值的分离计算。

约束拆解

源文件：parsed-constraints.md

显式约束

• 1 <= n <= 10^5。
• 1 <= visits，0 <= orders <= visits。
• 预测访问量使用最近 min(3, n) 天访问量平均值并四舍五入。
• 若多天单日下单量相同，输出最早的日期。

建模拆解

• 先明确输入的实体和字段，再把它们翻译成 顺序统计 + 最近三天平均预测 需要的数据结构。
• 把输出中每一项指标都和中间变量对应起来，避免最后临时拼装。
• 先用样例手推一次，再确认边界条件是否都能走到正确分支。

易错边界

• n=1 时最近三天窗口退化为 1 天。
• 预测下单量要用总转化率估算，而不是最后一天转化率。
• 历史最佳日期并列时要输出最早的一天。

计分模型

源文件：scoring-model.md

判题方式

• 主判题方式：exact
• 主算法：顺序统计 + 最近三天平均预测

判题重点

• 重点校验公式、排序规则和格式化输出是否完全一致。
• 隐藏数据会覆盖边界值、重复值和最小规模输入。

公开样例建议

• 至少准备 1 组题面样例、2 组边界样例和 2 组自定义回归样例。
• 多输出题必须验证所有字段都来自同一套方案。

隐藏数据建议

• 验证 n=1 的窗口边界情况。
• 验证总转化率乘预测访问量后恰好落在四舍五入边界的情况。
• 验证多天单日下单量并列时的最早日期规则。

验收清单

源文件：acceptance-checklist.md

• 正式题面、约束拆解、评分说明均已补齐
• 样例输入输出已定义并通过主实现校验
• python 主实现已提供并与样例输出对齐
• cpp 主实现已提供并与样例输出对齐
• 调试记录、决策记录、验证计划已补齐
• 可由 20-tools/assemble_case_dossiers.py 汇总为完整解题档案

样例输入输出

样例输入：sample.in

4
120 18
150 24
180 30
210 29

样例输出：sample.out

conversion=15.30
forecast=180 28
best_day=3

题解、建模与最终解法

自动整理的解题流程

• 题目主题：民族文化推广：活动效果预测与转化估计
• 题目摘要：根据多天的访问量与下单量计算平均转化率，并预测下一天的访问量和下单量。
• 判题提示：该题以精确输出为主，最终程序需要重点保证公式、顺序和格式完全一致。
• 先按时间顺序清洗数据，再做统计量、差分或窗口分析，最后生成趋势判断。
• 注意缺失值、异常值和预测规则的边界条件。

解题思路

源文件：solution-rationale.md

1. 问题重述

根据多天的访问量与下单量计算平均转化率，并预测下一天的访问量和下单量。

2. 数据结构与建模

• 主算法：顺序统计 + 最近三天平均预测
• 输入拆解后对应的数据结构要和输出项一一对应。
• 需要重点维护的状态包括：题目实体、核心指标、中间结果和最终答案。

3. 算法步骤

1. 读入访问量和下单量，累计总访问量、总下单量。
2. 在读取过程中维护历史单日下单量最大的位置。
3. 用最近三天访问量计算下一天预测访问量，再乘平均转化率估算预测下单量。
4. 统一格式化输出转化率和预测结果。

4. 正确性说明

• 每一步都严格对应题面给出的规则或约束。
• 所有输出字段都来自同一份计算过程，不会出现“各算各的”的不一致情况。
• 边界情况通过单独分支或统一规则处理，保证程序在最小规模和重复值情况下也稳定。

5. 复杂度分析

• 复杂度取决于输入规模和主算法，但整体设计保持在初中组可讲解、可验证的范围内。
• 只保留必要状态，不引入超出题意的数据结构。

6. 易错点

• n=1 时最近三天窗口退化为 1 天。
• 预测下单量要用总转化率估算，而不是最后一天转化率。
• 历史最佳日期并列时要输出最早的一天。

7. 知识点清单

• 比例与百分比换算。
• 整数四舍五入。
• 最近窗口平均值。
• 历史最优位置维护。
• 预测值和统计值的分离计算。

设计决策记录

源文件：decision-log.md

• 选择 顺序统计 + 最近三天平均预测 作为主算法，因为它能直接覆盖题目的核心约束。
• 历史统计和预测指标都能在一次扫描里完成，复杂度很低。
• 预测下单量用整体转化率而不是局部波动，便于训练建模表达。
• Python 与 C++ 版本统一输出格式，便于双语训练和证据采集。

验证计划

源文件：validation-plan.md

• 先验证题面公开样例，确保基础流程无误。
• 验证 n=1 的窗口边界情况。
• 验证总转化率乘预测访问量后恰好落在四舍五入边界的情况。
• 验证多天单日下单量并列时的最早日期规则。
• 最后再补 1 组手工构造的极小数据，确认程序不会依赖特殊输入规模。

备选方案

源文件：alternatives.md

最终代码与实现

Python 主实现

源文件：main.py

• 实现状态：当前已有可执行实现

import sys


def round_half_up(total: int, count: int) -> int:
    return (2 * total + count) // (2 * count)


def solve(data: str) -> str:
    tokens = list(map(int, data.split()))
    if not tokens:
        return ""
    it = iter(tokens)
    n = next(it)
    visits = []
    total_visits = 0
    total_orders = 0
    best_day = 1
    best_orders = -1
    for day in range(1, n + 1):
        v = next(it)
        o = next(it)
        visits.append(v)
        total_visits += v
        total_orders += o
        if o > best_orders:
            best_orders = o
            best_day = day
    recent = visits[-min(3, n):]
    forecast_visits = round_half_up(sum(recent), len(recent))
    forecast_orders = round_half_up(forecast_visits * total_orders, total_visits)
    conversion = total_orders * 100.0 / total_visits
    return "\n".join(
        [
            f"conversion={conversion:.2f}",
            f"forecast={forecast_visits} {forecast_orders}",
            f"best_day={best_day}",
        ]
    )


if __name__ == "__main__":
    sys.stdout.write(solve(sys.stdin.read()).strip())
    sys.stdout.write("\n")

C++ 对照实现

源文件：main.cpp

• 实现状态：当前已有可执行实现

#include <iomanip>
#include <iostream>
#include <vector>

using namespace std;

long long round_half_up(long long total, long long count) {
    return (2 * total + count) / (2 * count);
}

int main() {
    ios::sync_with_stdio(false);
    cin.tie(nullptr);

    int n;
    if (!(cin >> n)) {
        return 0;
    }
    vector<long long> visits;
    long long total_visits = 0;
    long long total_orders = 0;
    int best_day = 1;
    long long best_orders = -1;
    for (int day = 1; day <= n; ++day) {
        long long v, o;
        cin >> v >> o;
        visits.push_back(v);
        total_visits += v;
        total_orders += o;
        if (o > best_orders) {
            best_orders = o;
            best_day = day;
        }
    }
    int recent_count = min(3, n);
    long long recent_sum = 0;
    for (int i = n - recent_count; i < n; ++i) {
        recent_sum += visits[i];
    }
    long long forecast_visits = round_half_up(recent_sum, recent_count);
    long long forecast_orders = round_half_up(forecast_visits * total_orders, total_visits);
    double conversion = total_orders * 100.0 / total_visits;
    cout << fixed << setprecision(2);
    cout << "conversion=" << conversion << "\n";
    cout.unsetf(ios::floatfield);
    cout << "forecast=" << forecast_visits << ' ' << forecast_orders << "\n";
    cout << "best_day=" << best_day << "\n";
    return 0;
}

代码执行与运行结果

最新成功运行

PY 运行输出摘录

conversion=15.30
forecast=180 28
best_day=3

CPP 运行输出摘录

conversion=15.30
forecast=180 28
best_day=3

全部运行记录索引

调试、修正与流程留痕

调试日志

源文件：debug-journal.md

失败案例目录

源文件：failure-catalog.md

编码过程记录

源文件：implementation-journal.md

全流程文件导航

• 题目总览：s4-jh-03-promotion-forecast/README.md
• 题面与约束：official-prompt.md、parsed-constraints.md、scoring-model.md、acceptance-checklist.md
• 代码与样例：10-cases/s4-jh-03-promotion-forecast/02-solution
• 运行证据：10-cases/s4-jh-03-promotion-forecast/03-execution
• 调试过程：debug-journal.md、failure-catalog.md、implementation-journal.md
• 解法说明：solution-rationale.md、decision-log.md、validation-plan.md、alternatives.md
• 交付档案：final-report.md、appendix-code.md、appendix-runs.md、evidence-pack.md