基于LRU算法统计缺蛋次数

一位考古科学家新发掘了一批恐龙蛋化石，假设有 N 个，编号分别为 1～N，然后打算对它们进行研究。在科学家的实验室里，有两间房间，一间是他的办公室，一间是储物间。开始时所有的恐龙蛋化石都摆放在储物间，然后需要用到哪一个的时候，就把它拿到办公室来。

科学家的办公室有一张办公桌，桌上有 M 个盘子，每个盘子只能摆放一个恐龙蛋化石。科学家在进行研究时，有一个研究编号序列，如 1 2 5 表示先研究 1 号化石，再研究 2 号，再研究 5 号。

研究规则：

1. 若要研究的化石已在办公桌上，可直接研究；
2. 若不在办公桌上（称为“缺蛋”），需要去储物间取：
   • 若办公桌上有空盘子，直接将新化石放入空盘；
   • 若无空盘子，需要先淘汰一个最久未使用的化石放回储物间，再放入新化石。

为了减少“缺蛋”次数，采用 LRU（Least Recently Used，最近最少使用）淘汰算法：每次淘汰当前办公桌上最久未被访问的化石。

示例：假设研究序列为 1、2、3、4、1、2、5、1、2、3、4、5，盘子数 M=4，初始为空，采用LRU算法总缺蛋次数为 8 次。

输入描述

第一行是一个正整数 M，表示盘子的个数，其值不超过 100。 第二行是若干个正整数组成的研究编号序列。

输出描述

输出一个正整数，表示“缺蛋”的次数。

输入样例

4
1 2 3 4 1 2 5 1 2 3 4 5

输出样例

8