```python
class Solution:
def minMoves(self, sx: int, sy: int, tx: int, ty: int) -> int:
ans = 0
# 从终点向起点逆向推导
while tx > sx or ty > sy:
# 如果逆向过程中某个坐标小于起点，说明不可能到达
if tx < sx or ty < sy:
return -1
ans += 1
# 处理两个坐标相等的情况
if tx == ty:
# 只有当起始点有一个坐标为0时，才能从(0,k)或(k,0)到达(k,k)
if sx == 0:
tx = 0
elif sy == 0:
ty = 0
else:
return -1
continue
# 保证 tx > ty，便于统一处理
if tx < ty:
tx, ty = ty, tx
sx, sy = sy, sx
# 核心逆向逻辑
if tx > ty * 2:
# 如果 tx 远大于 ty，上一步只能是翻倍操作
if tx % 2 != 0:
return -1
tx //= 2
else:
# 否则上一步是加法操作，减去较小的那个数
tx -= ty
return ans if tx == sx and ty == sy else -1
```
核心思路：逆向思维 + 贪心
这道题正着推导很难，因为每次都有两种选择。但从终点向起点反向推导就会变得非常清晰：
1. 逆向操作的确定性
· 正向操作：(x, y) → (x+y, y) 或 (x, x+y)
· 逆向操作：如果 tx > ty，最后一步只能是：
· 翻倍：(tx//2, ty)（前提是 tx 为偶数，且 tx//2 != ty，但这里直接减半即可）
· 加法：(tx-ty, ty)
2. 贪心优化
当 tx > ty * 2 时，tx 远大于 ty，此时最后一步不可能是加法（因为加法只会增加 ty，不可能让 tx 变得这么大），所以一定是翻倍操作，直接让 tx 减半。
其他情况则用减法还原。
3. 特殊情况处理
· tx == ty 时，只能从 (0, k) 或 (k, 0) 到达，否则无解
· 逆向过程中如果 tx < sx 或 ty < sy，说明走过头了，返回 -1
4. 坐标交换
为了统一处理，始终保证 tx > ty，如果 tx < ty 就交换两个坐标（同时交换起点坐标）。
时间复杂度
O(log(max(tx, ty)))，每次循环都会将较大的数大幅缩小（减半或减去较小数），效率极高。
示例验证
```python
sol = Solution()
print(sol.minMoves(1, 1, 3, 5)) # 输出: 4
print(sol.minMoves(1, 1, 2, 2)) # 输出: 3
print(sol.minMoves(2, 1, 3, 7)) # 输出: -1
```
