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?
一道恶心的状压与期望dp。作为期望dp,大家都应该知道需要逆推,这样可以方便继承状态,顺推当然可以码,如果你足够神的话。定义一个f数组,f[i][j]中i表示n个物体是否被用过的二进制状态,注意是是否。j表示使用了j次机会。f[i][j]表示为期望值。
那么dp方程就很好推了,枚举一下二进制状态x,次数y,判断一下宝物i是否满足前提(1<=i<=n)。
如果不满足,f[x][y]+=1.0/n*1.0*f[x][y+1];
如果满足,则分两种情况。
一种为以前没出现过,f[x][y]+=1.0/n*1.0*max(f[x][y+1],f[x+bin[i]][y+1]+s[i]*1.0);
一种为以前出现过,f[x][y]+=1.0/n*1.0*max(f[x][y+1],f[x][y+1]+s[i]*1.0);
代码丑,请见谅。(本来可用位运算简化代码,但本蒟蒻不会)
#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<cstdlib>
using namespace std;
double f[32770][110];
bool v[20][20],vv[20];
int s[20],bin[20],ss[20];
int main()
{
memset(v,false,sizeof(v));
memset(ss,0,sizeof(ss));
bin[1]=1;for(int i=2;i<=15;i++)bin[i]=bin[i-1]*2;
int k,n;
scanf("%d%d",&k,&n);
double wy=1.0/n*1.0;
for(int i=1;i<=n;i++)
{
int x;
scanf("%d",&s[i]);
while(scanf("%d",&x)!=EOF)
{
if(x==0)break;
v[i][x]=true;ss[i]++;
}
}
int maxx=0;
for(int i=1;i<=n;i++)maxx+=bin[i];
for(int x=maxx;x>=0;x--)
{
for(int y=k-1;y>=0;y--)
{
memset(vv,false,sizeof(vv));
for(int i=1;i<=n;i++)
{
int he=0;
for(int j=1;j<=n;j++)
{
if((x&bin[j])!=0 && v[i][j]==true)he++;
}
if(he==ss[i])vv[i]=true;
}
for(int i=1;i<=n;i++)
{
if(vv[i]==false)f[x][y]+=wy*f[x][y+1];
else
{
if((x&bin[i])==0)f[x][y]+=wy*max(f[x][y+1],f[x+bin[i]][y+1]+s[i]*1.0);
else f[x][y]+=wy*max(f[x][y+1],f[x][y+1]+s[i]*1.0);
}
}
}
}
printf("%.6lf\n",f[0][0]);
return 0;
}