[SCOI2008]奖励关

题目

题目描述

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？

输入输出格式

输入格式：
第一行为两个正整数k 和n，即宝物的数量和种类。以下n行分别描述一种

宝物，其中第一个整数代表分值，随后的整数依次代表该宝物的各个前提宝物（各

宝物编号为1到n），以0结尾。

输出格式：
输出一个实数，保留六位小数，即在最优策略下平均情况的得分。

输入输出样例

输入样例#1： 复制
1 2
1 0
2 0
输出样例#1： 复制
1.500000
输入样例#2： 复制
6 6
12 2 3 4 5 0
15 5 0
-2 2 4 5 0
-11 2 5 0
5 0
1 2 4 5 0
输出样例#2： 复制
10.023470
说明

1 <= k <= 100, 1 <= n <= 15，分值为[-106,106]内的整数。

思路

我来讲讲本题动态规划对应的实际意义，顺便给出一个记忆化搜索版本的代码。
首先，用两个维度表示状态，dp[i][j]代表从第i个宝物开始，当前状态（已经取过的宝物）为j的情况下，用最优策略应对，到最后可以取得的分数的期望值。
期望值如何计算呢？因为当前这一轮出现任何宝物的几率相等，所以期望值等于 所有情况下期望得分的和 除以 情况数。而出现第k种宝物的情况下，期望得分为max(dp[i+1][j],dp[i+1][j|1<<k] + P[k])。所以，转移方程为
dp[i][j]=Σ(1<=k<=N)max(dp[i+1][j],dp[i+1][j|1<<k] + P[k]) / N。
dp[i][j],i>N的情况是基础情形，期望得分为0。
那么，如何根据已有的结果，得到最优应对策略呢？假设当前正在出现第i个宝物，状态为j，出现了第k种宝物。如果状态j不满足要求，自然不收取宝物。否则，如果dp[i+1][j]>dp[i+1][j|1<<k]+P[k]，则说明不收取的期望收益大，反之则是收取的期望收益大。
然后是代码，对于这样的dp，我总觉得搜索更自然些。

代码

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int M=105,N=20;
int k,n,p[N],sta[N];
double f[M][1<<15];
int main()
{
	int x;
	scanf("%d%d",&k,&n);
	for(int i=1; i<=n; i++)
	{
		scanf("%d%d",&p[i],&x);
		while(x)
		{
			sta[i]=sta[i]|(1<<x-1);
			scanf("%d",&x);
		}
	}
	for(int i=k; i>=1; i--) for(int j=0; j<(1<<n); j++)
	{
		for(int k=1; k<=n; k++) if((j&sta[k])==sta[k])
			f[i][j]+=max(f[i+1][j],f[i+1][j|(1<<k-1)]+p[k]);
		else f[i][j]+=f[i+1][j];
		f[i][j]/=n;
	}
	printf("%.6lf\n",f[1][0]);
}