BZOJ1076: [SCOI2008]奖励关

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;
}