「LOJ2267」「SDOI2017Round2」龙与地下城-CSDN博客

本文链接：https://blog.csdn.net/infinity_edge/article/details/79878729

题目描述

小 Q 同学是一个热爱学习的人，但是他最近沉迷于各种游戏，龙与地下城就是其中之一。在这个游戏中，很多场合需要通过掷骰子来产生随机数，并由此决定角色未来的命运，因此骰子堪称该游戏的标志性道具。

骰子也分为许多种类，比如 4 面骰、6 面骰、8 面骰、12 面骰、20 面骰，其中 20 面骰用到的机会非常多。当然，现在科技发达，可以用一个随机数生成器来取代真实的骰子，所以这里认为骰子就是一个随机数生成器。

在战斗中，骰子主要用来决定角色的攻击是否命中，以及命中后造成的伤害值。举个例子，假设现在已经确定能够命中敌人，那么 $YdX$ （也就是掷出 $Y$ 个 $X$ 面骰子之后所有骰子显示的数字之和）就是对敌人的基础伤害。在敌人没有防御的情况下，这个基础伤害就是真实伤害。

众所周知，骰子显示每个数的概率应该是相等的，也就是说，对于一个 $X$ 面骰子，显示
$0 , 1 , 2 \dots X-1$ 中每一个数字的概率都是 $\frac 1 X$ 。

更形式地说，这个骰子显示的数 $W$ 满足离散的均匀分布，其分布列为

W

$W$

0 0 $0$

1

$1$

2 2 $2$

\dots

$\dots$

X−1 X − 1 $X - 1$

P P $P$

\frac{1}{X}

$\frac 1X$

1X 1 X $\frac 1 X$

… … $\dots$

1X 1 X $\frac 1 X$

除此之外还有一些性质

$W$ 的一阶原点矩（期望）为

v_{1} (W) = E (W) = \sum_{i = 0}^{X - 1} i P (W = i) = \frac{X - 1}{2}

$v_1(W) = E(W) = \sum ^{X-1} _{i=0} iP(W=i) = \frac{X-1}{2}$

W W $W$ 的二阶中心矩（方差）为

μ_{2} (W) = E ((W - E (W))^{2}) = \sum_{i = 0}^{X - 1} (i - E (W))^{2} P (W = i) = \frac{X^{2} - 1}{12}

$\mu_2(W) = E((W-E(W))^2) = \sum ^{X-1}_{i=0}(i-E(W))^2P(W=i) = \frac{X^2-1}{12}$

言归正传，现在小 Q 同学面对着一个生命值为

A A $A$ 的没有防御的敌人，能够发动一次必中的

Y d X

$YdX$ 攻击，显然只有造成的伤害不少于敌人的生命值才能打倒敌人。但是另一方面，小 Q 同学作为强迫症患者，不希望出现 overkill，也就是造成的伤害大于

B B $B$ 的情况，因此只有在打倒敌人并且不发生 overkill 的情况下小 Q 同学才会认为取得了属于他的胜利。
因为小 Q 同学非常谨慎，他会进行 10 次模拟战，每次给出敌人的生命值

A

$A$ 以及 overkill 的标准

B B $B$ ，他想知道此时取得属于他的胜利的概率是多少，你能帮帮他吗？

输入格式

第一行是一个正整数 $T$ ，表示测试数据的组数。
对于每组测试数据，第一行是两个整数 $X$ 、 $Y$ ，分别表示骰子的面数以及骰子的个数。
接下来 $10$ 行，每行包含两个整数 $A$ 、 $B$ ，分别表示敌人的生命值 $A$ 以及 overkill 的标准 $B$ 。

输出格式

对于每组测试数据，输出 $10$ 行，对每个询问输出一个实数，要求绝对误差不超过 $0.013579$ ，也就是说，记输出为 $a$ ，答案为 $b$ ，若满足 $|a-b| \leq 0.013579$ ，则认为输出是正确的。

样例

样例输入

样例输出

数据范围与提示

对于 $100\%$ 的数据， $T \leq 10$ ， $2 \leq X \leq 20$ ， $1 \leq Y \leq 200000$ ， $0 \leq A \leq B \leq (X-1)Y$ ，保证满足 $Y > 800$ 的数据不超过 $2$ 组。

题解

应用中心极限定理。中心极限定理 - 维基百科

设随机变量 $X_{1},X_{2},\cdots ,X_{n}$ 独立同分布，且具有有限的数学期望和方差 $E(X_{i})=\mu$ ， $D(X_{i})=\sigma ^{2}\neq 0(i=1,2,\cdots ,n)$ 。记
${\bar {X}}={\frac {1}{n}}\sum _{i=1}^{n}X_{i}$ ， $\zeta _{n}={\frac {{\bar {X}}-\mu }{\sigma /{\sqrt {n}}}}$ ，则 $\lim _{n\rightarrow \infty }P\left(\zeta _{n}\leq z\right)=\Phi \left(z\right)$ 。
其中 $\Phi (z)$ 是标准正态分布的分布函数。

这个定理的含义是： $n$ 个独立同分布，且具有有限的数学期望 $\mu$ 和方差 $\sigma^2$ 的随机变量，他们的平均值的分布函数在 $n \rightarrow \infty$ 时无限近似于期望为 $\mu$ ，方差为 $\frac {\sigma^2} {\sqrt{n}}$ 的正态分布。

考虑到题目要求的精度误差十分宽松，我们考虑在 $Y$ 比较大的时候用正态分布函数的积分来近似答案。

由于正态分布函数的概率密度函数

Φ (x) = \frac{1}{σ \sqrt{2 π}} e^{- \frac{(x - μ)^{2}}{2 σ^{2}}}

$\Phi(x) = {1 \over \sigma\sqrt{2\pi} }\,e^{- {{(x-\mu )^2 \over 2\sigma^2}}}$
的不定积分不是初等函数，所以考虑自适应辛普森积分。函数是光滑的，所以误差很小。

有一点需要注意：由于峰比较窄，积分区间比较大的时候可能出现 $l, \frac{3l + r}{4},\frac{l + r}{2},\frac{l + 3r}{4},r$ 五处的函数值都几乎为零，但是峰在积分区间内的情况，这会导致答案错误。一种方法是分成若干个小的区间分别进行辛普森积分，第二种方式是只计算 $[A, B] \cap [\mu - 3\sigma, \mu + 3\sigma]$ 的积分（因为正态分布函数在 $[\mu - 3\sigma, \mu + 3\sigma]$ 外的比率只占不到 $0.3 \%$ ，可以忽略不计）, 还有一种方法是直接使用误差函数 $\mathrm{erf}(x) = \frac{2}{\sqrt{\pi}} \int_0^xe^{-t^2}\mathrm{d}t$ 直接计算（需要C++11）。

My Code

#include <bits/stdc++.h>
#define pi acos(-1)
#define eps 1e-15

using namespace std;
int n, m;
double f[2][32005], g[2][32005];
void solve1(){
    int p = 0, q = 1;
    f[p][0] = 1; g[p][0] = 1;
    for(int i = 1; i <= n; i ++){
        for(int j = 0; j <= (m - 1) * i; j ++){
            double tmp = g[p][min(j, (m - 1) * (i - 1))]; if(j >= m) tmp -= g[p][j - m];
            f[q][j] = tmp / m; g[q][j] = f[q][j]; if(j > 0) g[q][j] += g[q][j - 1];
        //  printf("%d %d %.6lf\n", i, j, f[q][j]);
        }
        swap(p, q);
    }
    for(int i = 1; i <= 10; i ++){
        int a, b;
        scanf("%d%d", &a, &b);
        double ans = g[p][b]; if(a != 0) ans -= g[p][a - 1];
        printf("%.6lf\n", ans); 
    }
}
double mu, sigma, pi2;
inline double sqr(double x) {return x * x;}
inline double F(double x){
//  printf("%.10lf %.10lf\n", x, exp(-sqr(x - mu) / 2 / sqr(sigma)) / pi2 / sigma);
    return exp(-sqr(x - mu) / 2 / sqr(sigma)) / pi2 / sigma;
}
double cal(double l, double r){
    double mid = (l + r) / 2;
    return (r - l) / 6 * (F(l) + 4 * F(mid) + F(r));
}
double simpson(double l, double r, double cur){
    double mid = (l + r) / 2;
    double cl = cal(l, mid);
    double cr = cal(mid, r);
//  printf("%.11lf %.11lf %.11lf %.11lf %.11lf %.11lf\n", l, r, cl, cr, cur, fabs(cur - cl - cr));
    if(fabs(cur - cl - cr) < eps) return cur;
    return simpson(l, mid, cl) + simpson(mid, r, cr);
}

void solve2(){
    mu = 1.0 * (m - 1) / 2.0 * n;
    sigma = sqrt(n * 1.0 * (m * m - 1.0) / 12.0);
    //printf("%.6lf %.6lf\n", mu, sigma);
    pi2 = sqrt(2.0 * pi);
        for(int i = 1; i <= 10; i ++){
        int a, b;
        scanf("%d%d", &a, &b);
        double l = max((double)a, mu - 3 * sigma);
        double r = min((double)b, mu + 3 * sigma); 
        double ans = 0;
        if(l < r) ans = simpson(l, r, cal(l, r));
        printf("%.6lf\n", ans);
    }
}
int main(){
    int T;
    scanf("%d", &T);
    while(T--){
        scanf("%d%d", &m, &n);
        if(n <= 1600){
            solve1();
        }else{
            solve2();
        } 
    }   
    return 0;
}

infinity_edge

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
「LOJ2267」「SDOI2017Round2」龙与地下城

题目描述小 Q 同学是一个热爱学习的人，但是他最近沉迷于各种游戏，龙与地下城就是其中之一。在这个游戏中，很多场合需要通过掷骰子来产生随机数，并由此决定角色未来的命运，因此骰子堪称该游戏的标志性道具。骰子也分为许多种类，比如 4 面骰、6 面骰、8 面骰、12 面骰、20 面骰，其中 20 面骰用到的机会非常多。当然，现在科技发达，可以用一个随机数生成器来取代真实的骰子，所以这里认为骰子就...
复制链接

扫一扫