洛谷 P2473 [SCOI2008]奖励关 （求期望的状压dp）

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。

 

解： dp[ i ] [ j ] 代表 状态为 j  第 i 轮到 第 k 轮 的最大期望  

如果 j 这个状态包含 取第 t 个物体的状态 那么可以取或不取

不取为  dp[ i ] [ j ] + = dp [ i +1 ] [ j ]

取为  dp[ i ][ j ]  +  = max(  dp [ i +1 ] [ j ]  ,dp[ i + 1 ][  j  |( 1 <<( t - 1 ) )] + a[ t ] )

#include<bits/stdc++.h>
using namespace std;
int a[20];//第i个物体的价值
int need[20];//取到第i个的需要满足的状态
double dp[105][1<<15];// dp[i][j]代表状态为j 第i轮到 第k轮 的最大期望   
int  main()
{
    int k,n,p;
    scanf("%d%d",&k,&n);
    for(int i=1;i<=n;i++)
    {
        scanf("%d",&a[i]);
        while(~scanf("%d",&p)&&p)
        {
            need[i]|=1<<(p-1);
        }
    }
    for( int i=k;i;i--) //倒着递推
    {
        for(int j=0;j<1<<n;j++) //枚举状态
        {
            for(int t=1;t<=n;t++) // 每个物体出现的概率是一样的
            {
                if((j&need[t])==need[t]) //如果 j 这个状态 包含了 need[t]那么可以取
                    dp[i][j]+=max(dp[i+1][j],dp[i+1][j|(1<<(t-1))]+a[t]);
                else //不能取
                    dp[i][j]+=dp[i+1][j];

            }
            dp[i][j]/=(n*1.0);//因为一共加了n次期望 ，除以n 得到平均期望
        }
    }
    printf("%.6lf\n",dp[1][0]);
}