题目描述:
Description
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?
Input
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。
Output
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。
Sample Input
1 2
1 0
2 0
Sample Output
1.500000
HINT
【数据规模】
1<=k<=100,1<=n<=15,分值为[-10^6,10^6]内的整数。
题解:
此题是典型的概率DP。定义f[i][j]表示后i次奖励,状态为j的期望(因为注意到n比较小,可以状压)。为了方便处理和转移,我们倒着做DP。最后只要输出f[1][0]就好了。
代码如下:
#include<cstdio>
#include<string>
using namespace std;
const int maxn=105,maxn1=17,maxm=1<<17;
int n,m,p[maxn1];
double f[maxn][maxm],num[maxm];
int main(){
scanf("%d %d",&m,&n);
for (int i=1;i<=n;i++){
scanf("%lf",&num[i]);
int x; while (scanf("%d",&x)&&x!=0) p[i]=p[i]|(1<<(x-1));
}
for (int i=m;i>=1;i--)
for (int j=0;j<1<<n;j++)
for (int k=1;k<=n;k++)
if ((j|p[k])==j) f[i][j]+=max(f[i+1][j],f[i+1][j|(1<<(k-1))]+num[k])/n;
else f[i][j]+=f[i+1][j]/n;
printf("%.6lf\n",f[1][0]);
return 0;
}