注:
题目:
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
题解:
方法一 二维动态规划
表示状态
dp[i][j] 表示投掷完 i 枚骰子后,点数 j 的出现的概率。
状态转移方程
将n个骰子的解,拆解为(n-1)个骰子的解与1个骰子的解(也就是6个 1/6)的组合,而1个骰子出现每个数字的概率为1/6.0,所以状态转移方程如下:
初始值
这里的初始值很简单,只要我们把可以直接知道的状态初始化就好了。即:
for(int i=1;i<=6;i++){
dp[1][i]=1/6.0;
}
复杂度分析:
时间复杂度 O(n ^ 2)
空间复杂度 O(n ^ 2)
class Solution {
public:
vector<double> dicesProbability(int n) {
vector<vector<double>> dp(n+1,vector<double>(6*n+1));
for(int i=1;i<=6;i++){
dp[1][i]=1/6.0;
}
for(int i=2;i<=n;i++){
for(int j=i;j<=6*i;j++){
for(int k=1;k<=6;k++){
//防止数组越界
if(j-k>=1&&j-k<dp[i].size()){
dp[i][j]+=dp[i-1][j-k]/6.0;
}
}
}
}
vector<double> result;
for(int i=n;i<=6*n;i++){
result.push_back(dp[n][i]);
}
return result;
}
};
方法二 动态规划空间复杂度优化
由于 dp[i]dp[i] 仅由 dp[i-1]递推得出,为降低空间复杂度,只建立两个一维数组 dp , tmp 交替前进即可。
class Solution {
public:
vector<double> dicesProbability(int n) {
vector<double> dp(7);
for(int i=1;i<=6;i++){
dp[i]=1/6.0;
}
for(int i=2;i<=n;i++){
vector<double> temp(6*i+1);
for(int j=i;j<=6*i;j++){
for(int k=1;k<=6;k++){
//防止数组越界
if(j-k>=1&&j-k<dp.size()){
temp[j]+=dp[j-k]/6.0;
}
}
}
dp=temp;
}
vector<double> result;
for(int i=n;i<=6*n;i++){
result.push_back(dp[i]);
}
return result;
}
};