思路
一、暴力法(超时,用于理解)
给定n个骰子,则有:
- 每个骰子摇到1至6的概率都为 1/6;
- 每个骰子的点数可以看作独立的情况,则共有 6^n 种点数组合
- n个骰子的点数和的范围为 [n,6n] 即全为1至全为6,数量为 6n - n + 1 = 5n + 1 种
暴力统计: 每个「点数组合」都对应一个「点数和」,考虑遍历所有点数组合,统计每个点数和的出现次数,最后除以点数组合的总数(即除以 6^n),即可得到每个点数和的出现概率。
二、动态规划
- 首先当有一个骰子的时候,各个点数对应的概率为 1/6
- 当再增加一个骰子的时候,如果新增骰子点数为1时,则前面的点数和范围就会有 [2,7];如果新增骰子的点数为2时,则前面的点数和范围就会有[3,8] …以此类推。
- 也就是说每次增加的点数只会对特定范围内的点数和有影响,而新增骰子各点数的概率也都为1/6
- 所以使用上一个对应点数和的概率乘上1/6,再进行累加,就可以得到这个点数和最终的概率
算法流程
- 首先规定dp数组,因为n个骰子的点数和概率只与n-1个骰子的点数和概率有关,只需要定义一个一维数组,dp[i]代表n个骰子下每个点数和的概率
- 初始值:只有一个骰子的时候,每个点数被摇到的概率都为 1/6
- 循环过程:从第二个骰子开始,循环直到第n个骰子为止;
- 因为不同骰子数量的点数和都是不一样的,都为 5*n+1,所以我们定义一个暂存的数组 temp 用来存储第 i 个骰子点数和的概率值;
- 每次遍历dp数组,对每个 dp[j] 值,会有一个新的骰子点数(1至6,用k来循环)加上来,然后对每个 dp[j + k]的值进行累加,就是当前 i 个骰子对应点数和的概率数组
- 最后将这个temp数组赋值给dp,进行下一个骰子的增加操作,依此类推。。。
代码实现(java)
public double[] dicesProbability(int n) {
//因为最后的结果只与前一个动态转移数组有关,所以这里只需要设置一个一维的动态转移数组
//原本dp[i][j]表示的是前i个骰子的点数之和为j的概率,现在只需要最后的状态的数组,所以就只用一个一维数组dp[j]表示n个骰子下每个结果的概率。
//初始是1个骰子情况下的点数之和情况,就只有6个结果,所以用dp的初始化的size是6个
double[] dp = new double[6];
//只有一个数组
Arrays.fill(dp,1.0/6.0);
//从第2个骰子开始,这里n表示n个骰子,先从第二个的情况算起,然后再逐步求3个、4个···n个的情况
//i表示当总共i个骰子时的结果
for(int i=2;i<=n;i++){
//每次的点数之和范围会有点变化,点数之和的值最大是i*6,最小是i*1,i之前的结果值是不会出现的;
//比如i=3个骰子时,最小就是3了,不可能是2和1,所以点数之和的值的个数是6*i-(i-1),化简:5*i+1
//当有i个骰子时的点数之和的值数组先假定是temp
double[] temp = new double[5*i+1];
//从i-1个骰子的点数之和的值数组入手,计算i个骰子的点数之和数组的值
//先拿i-1个骰子的点数之和数组的第j个值,它所影响的是i个骰子时的temp[j+k]的值
for(int j=0;j<dp.length;j++){
//比如只有1个骰子时,dp[1]是代表当骰子点数之和为2时的概率,它会对当有2个骰子时的点数之和为3、4、5、6、7、8产生影响,因为当有一个骰子的值为2时,另一个骰子的值可以为1~6,产生的点数之和相应的就是3~8;比如dp[2]代表点数之和为3,它会对有2个骰子时的点数之和为4、5、6、7、8、9产生影响;所以k在这里就是对应着第i个骰子出现时可能出现六种情况,这里可能画一个K神那样的动态规划逆推的图就好理解很多
for(int k=0;k<6;k++){
//这里记得是加上dp数组值与1/6的乘积,1/6是第i个骰子投出某个值的概率
temp[j+k]+=dp[j]*(1.0/6.0);
}
}
//i个骰子的点数之和全都算出来后,要将temp数组移交给dp数组,dp数组就会代表i个骰子时的可能出现的点数之和的概率;用于计算i+1个骰子时的点数之和的概率
dp = temp;
}
return dp;
}