最小吃香蕉速度（在答案上二分）

Koko 有 H 小时要在守卫回来之前吃完 N 堆香蕉。每小时她选一堆吃最多 K 根；剩余不足 K 时全吃完，这一小时也就过去（不能把这一小时剩下的 '吃香蕉额度' 滚到下一小时）。她想求最小整数吃速 K，使得 H 小时内能吃完所有堆。

请实现 solution(piles: list[int], h: int) -> int。速度 K 下的总小时数为

$$\mathrm{hours}(K) = \sum_{i=1}^{N} \left\lceil \frac{p_i}{K} \right\rceil,$$

答案即满足 $\mathrm{hours}(K) \le h$ 的最小整数 $K \ge 1$。在 $K \in [1, \max(\text{piles})]$ 上对答案二分。关键不变量是 $\mathrm{hours}(K)$ 关于 K 单调非增，可行性一旦达成就对所有更大速度持续保持，答案即可行后缀的左边界。

哨兵：当 h < len(piles) 时返回 -1。任何正整数 K 下每堆都至少耗 1 小时（$\lceil p_i / K \rceil \ge 1$），所以 $h < N$ 时不存在可行 K。Spec 抛 ValueError；批量打分环境编码为哨兵 -1，由于合法 K 必 $\ge 1$，故 -1 明显落在合法值域之外。

例子

solution([3, 6, 7, 11], 8) 返回 4。K=4 时 hours = $\lceil 3/4 \rceil + \lceil 6/4 \rceil + \lceil 7/4 \rceil + \lceil 11/4 \rceil = 1 + 2 + 2 + 3 = 8 \le 8$，可行；K=3 时 hours = $1+2+3+4 = 10 > 8$，不可行。谓词在 K=4 处翻转，区间 [1, 11] 上二分约 $\lceil \log_2 11 \rceil = 4$ 步即可命中这个左边界。

solution([30, 11, 23, 4, 20], 5) 返回 30。$h=N=5$，每堆只能花 1 小时，所以 $K \ge \max(\text{piles}) = 30$。这是紧约束工况：$h=N$ 时答案恒为 $\max(\text{piles})$。

solution([3, 6, 7, 11], 27) 返回 1。$h$ 与香蕉总数（27）相等，最慢速度 K=1 即足够：hours = $3+6+7+11 = 27$ 恰好。充裕工况：$h = \sum \text{piles}$ 时答案恒为 1。

详见 stubs/stub.py 中的函数骨架。

实践背景

这是对答案二分（也叫 'parametric search'、'对单调谓词搜索'）的经典训练问题——只要可行性测试便宜、最优值无法直接寻址，这一模式就普遍适用。窍门每次都一样：把 '在 P(X) 约束下最小化 X' 改写成 '找到使 P(X) 为真的最小 X'，前提是 P 单调，于是在 X 上二分。

量化系统里这一模式反复出现：满足尾 VaR 约束的最小资本准备金（P(reserve) = 模拟+检查）；满足限速约束的最小节流时延（P(latency) = 包轨迹回放）；让蒙特卡洛路径熬过制度震荡的最小止损缓冲（P(buffer) = 路径模拟）。约束测试（P）可以很贵——全量模拟、全量回测——但只跑 $O(\log M)$ 次，$M$ 是参数范围，对比线性扫描的 $O(M)$。当 $M = 10^9$ 时，这是 30 次求值与 10 亿次的差别；算法本身让端到端跑约束测试变得可负担。Koko 只是个玩具壳：限速消耗对硬截止时间。真正的实例是做市台的 order router 在问 '我以多低的速率把母单切片撒出去能在收盘前清完盘口'——同一个谓词、同一个单调结构、同一次二分。整数 K 这个细节在生产环境里同样关键：很多真实节流是量化的（每秒订单数、每秒包数），把连续最优值向上取整到下一个整数可能改变答案（因为 $\lceil p_i / K \rceil$ 是对每堆取上整、而非对总和取上整），所以整数二分不只是浮点问题的离散化——它就是工程师真正要发的版本。