【题意】
你正在玩你最喜欢的电子游戏,并且刚刚进入一个奖励关。在这个奖励关里,系统将依次随机抛出k次宝物,每次你都可以选择吃或者不吃(必须在抛出下一个宝物之前做出选择,且现在决定不吃的宝物以后也不能再吃)。 宝物一共有n种,系统每次抛出这n种宝物的概率都相同且相互独立。也就是说,即使前k-1次系统都抛出宝物1(这种情况是有可能出现的,尽管概率非常小),第k次抛出各个宝物的概率依然均为1/n。 获取第i种宝物将得到Pi分,但并不是每种宝物都是可以随意获取的。第i种宝物有一个前提宝物集合Si。只有当Si中所有宝物都至少吃过一次,才能吃第i种宝物(如果系统抛出了一个目前不能吃的宝物,相当于白白的损失了一次机会)。注意,Pi可以是负数,但如果它是很多高分宝物的前提,损失短期利益而吃掉这个负分宝物将获得更大的长期利益。 假设你采取最优策略,平均情况你一共能在奖励关得到多少分值?
【分析】
个人觉得这类概率dp一般都是倒着做。因为由于概率的存在,我们能够确定的只有初始状态,而对末状态一无所知。
于是,我们设
f
[
i
]
[
S
]
f[i][S]
f[i][S]表示游戏从第
i
i
i轮开始游戏,游戏结束后获取物体的状态为S时,获得分数的期望,则有:
f
[
i
]
[
S
]
=
m
a
x
{
∑
S
[
j
]
S
f
[
i
+
1
]
[
S
′
]
∗
1
n
∗
w
[
j
]
,
f
[
i
+
1
]
[
S
]
}
f[i][S]=max\{\sum_{S[j] \varsubsetneq S}f[i+1][S']*\frac{1}{n}*w[j],f[i+1][S]\}
f[i][S]=max{S[j]S∑f[i+1][S′]∗n1∗w[j],f[i+1][S]}
【代码】
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int mm = 105, mn = 16;
double f[mm][1 << mn], w[mm];
int s[mn];
int main()
{
int n, m, x, i, j, k;
scanf("%d%d", &n, &m);
int lim = 1 << m;
double p = 1.0 / (double) m;
for(i = 0; i < m; i++)
{
scanf("%lf", &w[i]);
while(~scanf("%d", &x) && x)
s[i] |= (1 << (x - 1));
}
for(i = n; i; i--)
for(j = 0; j < lim; j++)
{
for(k = 0; k < m; k++)
if((j & s[k]) == s[k])
f[i][j] += max(f[i + 1][j], f[i + 1][j | (1 << k)] + w[k]);
else
f[i][j] += f[i + 1][j];
f[i][j] *= p;
}
printf("%.6lf\n", f[1][0]);
}