剑指 Offer 60. n个骰子的点数
把n个骰子扔在地上,所有骰子朝上一面的点数之和为s。输入n,打印出s的所有可能的值出现的概率。
你需要用一个浮点数数组返回答案,其中第 i 个元素代表这 n 个骰子所能掷出的点数集合中第 i 小的那个的概率。
示例 1:
输入: 1
输出: [0.16667,0.16667,0.16667,0.16667,0.16667,0.16667]
示例 2:
输入: 2
输出: [0.02778,0.05556,0.08333,0.11111,0.13889,0.16667,0.13889,0.11111,0.08333,0.05556,0.02778]
限制:
1 <= n <= 11
代码: 直接dp
class Solution {
public double[] dicesProbability(int n) {
//O(n^2) O(n^2) 从1开始
//状态转移式dp[i][j]=∑dp[i-1][j-k] k从1:6 次数/总次数就可以了
double dp[][]=new double[n+1][6*n+1];
for(int i=1;i<=6;i++)
{
dp[1][i]=1;
}
for(int i=2;i<=n;i++)
{
for(int j=i;j<=6*i;j++)
{
for(int k=1;k<=6;k++)
{
if(j-k<=0)
break;
dp[i][j]+=dp[i-1][j-k];
}
}
}
int sum=(int)Math.pow(6,n);
int num=6*n-n+1;
double re[]=new double[num];
for(int j=0;j<num;j++)
{
re[j]=(double)dp[n][j+n]/sum;
}
return re;
}
}
优化空间 从O(n^2)到O(n)
class Solution {
public double[] dicesProbability(int n) {
//O(n^2) O(n) 从1开始 动态规划
//状态转移式dp[i][j]=∑dp[i-1][j-k] k从1:6 次数/总次数就可以了
//当然 也可以优化 因为dp[n][j] 只与dp[n-1][j]有关 所以一个dp[6*n+1]的数组就可以了 不过做了一个优化
double dp[]=new double[6*n+1];
//double predp[]=new double[6*n+1];
for(int i=1;i<=6;i++)
dp[i]=1;
for(int i=2;i<=n;i++)
{
//从高到低,防止重复加值
for(int j=6*i;j>=i;j--)
{
dp[j]=0;
for(int k=1;k<=6;k++)
{
/**
比较关键的两步,一步是“dp[j] = 0;”,一步是“if (j - cur < i-1)”。
对于前一步,因为是从后往前逐个累加,在加到当前点数时,必须把原先存放的n-1个骰子的数据置0,否则累加出错。
对于后一步,如果不加此判据,会取到n-2个骰子的数据,此时可认为是“脏数据”,会导致累加出错。
从实际情况来分析,n-1个骰子的最小值就是n-1,不会比这再小,因此此处的判据是 i-1,而不是0;
*/
if(j-k<i-1)
break;
dp[j]+=dp[j-k];
}
}
}
int sum=(int)Math.pow(6,n);
int num=6*n-n+1;
double re[]=new double[num];
for(int j=0;j<num;j++)
{
re[j]=dp[j+n]/sum;
//System.out.println(j+n+":"+dp[j+n]);
}
return re;
}
}