面试题43：n个骰子的点数

题目：把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。

思路一：基于递归求骰子点数，时间效率不够高

首先解决前提性的问题：一个骰子的点数只可能是[1,6],所以S的值的取值范围是[n,6n]，这里当然只考虑整数。

统计各个S值出现的次数，然后：各个S值出现的概率 = 各个S值出现的次数 / n个骰子所有点数的排列

其中，n个骰子所有点数的排列数等于6ⁿ,而各个S值出现的次数就需要建立一个数组来进行统计

来源：http://blog.csdn.net/xianliti/article/details/5644118

分析：玩过麻将的都知道，骰子一共6个面，每个面上都有一个点数，对应的数字是1到 6之间的一个数字。所以，n个骰子的点数和的最小值为n，最大值为6n。因此，一个直观的思路就是定义一个长度为6n-n的数组，和为S的点数出现的次数保存到数组第S-n个元素里。另外，我们还知道n个骰子的所有点数的排列数6^n。一旦我们统计出每一点数出现的次数之后，因此只要把每一点数出现的次数除以n^6，就得到了对应的概率。

该思路的关键就是统计每一点数出现的次数。要求出n个骰子的点数和，我们可以先把n个骰子分为两堆：第一堆只有一个，另一个有n-1个。单独的那一个有可能出现从1到6的点数。我们需要计算从1到6的每一种点数和剩下的n-1个骰子来计算点数和。接下来把剩下的n-1个骰子还是分成两堆，第一堆只有一个，第二堆有n-2个。我们把上一轮那个单独骰子的点数和这一轮单独骰子的点数相加，再和剩下的n-2个骰子来计算点数和。分析到这里，我们不难发现，这是一种递归的思路。递归结束的条件就是最后只剩下一个骰子了。

来源：http://zhedahht.blog.163.com/blog/static/254111742009101524946359/

步骤

1.当点数为1的时候，tempSum初始化为0，调用SumProbabilityOfDices函数求出当前点数之和，只有一个骰子，点数value为1所以sum为1，然后递归将6个骰子依次分解为5个骰子、4个骰子、3个骰子、2个骰子求解，递归的时候先判断当前骰子是否为1，不为1先计算当前N个骰子点数之和之后再递归。

2.在每次递归的时候，骰子个数不为1时，都先让当前骰子点数为1，计算出当前骰子点数之和，再往下递归。

3.例如6个骰子，先计算点数为1的时候，调用函数进行计算，先计算出当前骰子点数之和（一个骰子所以sum为1）,之和向下递归，每次都进行判断并计算前几个骰子点数之和，当递归到骰子个数为1时，因为每次在递归之前都要计算前几个骰子点数之和，所以递归到1个骰子时，当前点数为1，之前计算了5次所以tempsum=5，现在加上第六个骰子的点数（从1开始）为6,6-原始骰子个数6为0，所以将下标为0的数组中元素+1,即出现和为6的次数现在出现了一次。之和向上返回，循环，计算第六个骰子点数为2的时候，tempsum+2=5+2=7,probabilities[7-6]++,出现点数之和为7的次数也加1，现在也为1，之后在返回再次循环i,i=3重复上述步骤直到i>6（骰子只有六个点数）。

4.第3步中循环结束之后返回上一层递归，也就是开始计算第5个骰子，也开始循环，点数为1已经计算过，然后i++=2，计算第5个骰子点数为2的时候，再次递归计算第六个骰子点数为1、 2、 3、 4、 5、 6的点数之和并存在数组中，计算完毕向上返回，计算第五个骰子点数为3的时候，再重复上述步骤，知道第5个骰子的六个点数都计算过。

5,第4部结束后向上返回，计算第4个骰子，步骤和第4部一样。

6.一直计算到遍历过第二个骰子的所有点数，然后返回到第1步

7.现在开始计算第一个骰子，点数为1的情况已经全部计算过，i++,开始计算点数为2的时候的情况，重复上述步骤，知道第一个骰子的点数全部遍历过。

注：假设6个骰子求和为S的概率，总的可能有6的N次方，S出现的次数在数组中存储的位置为S-6,即下标为s-6的元素的值就是S出现的次数

int g_maxValue = 6;//每个骰子的最大点数值

void PrintSumProbabilityOfDices(int number)

{

	//如果骰子数小于1直接返回
    if(number < 1)
        return;
	//N个骰子可能出现的最大值为6N，计算最大值
    int maxSum = number * g_maxValue;

	//创建数组，保存s出现的次数，n个骰子s的范围为[1*n,6*n]，共有6n-n+1种可能
    int* pProbabilities = new int[maxSum - number + 1];

	//初始化
    for(int i = number; i <= maxSum; ++i)
	{
        pProbabilities[i - number] = 0;
	}
 
	//计算出每种情况出现的次数
    SumProbabilityOfDices(number, pProbabilities);

	//计算总的情况(6的N次方)
    int total = pow((float)g_maxValue, number);

	//打印出每种情况出现的概率
    for(int i = number; i <= maxSum; ++i)
    {
        float ratio = (float)pProbabilities[i - number] / total;
        printf("%d: %f/n", i, ratio);
    }

}

void SumProbabilityOfDices(int number, int* pProbabilities)
{

    for(int i = 1; i <= g_maxValue; ++i)
	{
        SumProbabilityOfDices(number, number, i, 0, pProbabilities);
	}
}

//参数列表依次为骰子总个数、当前骰子的个数、当前骰子点数,当前骰子点数总和，保存出现次数的数组
void SumProbabilityOfDices(int original, int current, int value, int tempSum, int* pProbabilities)
{
	//如果当前骰子个数为1
    if(current == 1)
    {
        //计算当前骰子点数之和
        int sum = value + tempSum;
        pProbabilities[sum - original]++;//出现当前骰子点数之和的次数加1
    }
    else
    {
        for(int i = 1; i <= g_maxValue; ++i)
        {
            //计算当前N个骰子点数之和
            int sum = value + tempSum;
            SumProbabilityOfDices(original, current - 1, i, sum, pProbabilities);
        }

    }
}

思路二：

分析：动态规划就是分阶段考虑问题，给出变量，找出相邻阶段间的关系。

1.现在变量有：骰子个数，点数和。当有k个骰子，点数和为n时，出现次数记为f(k,n)。那与k-1个骰子阶段之间的关系是怎样的？

2.当我有k-1个骰子时，再增加一个骰子，这个骰子的点数只可能为1、2、3、4、5或6。那k个骰子得到点数和为n的情况有：

(k-1,n-1)：第k个骰子投了点数1

(k-1,n-2)：第k个骰子投了点数2

(k-1,n-3)：第k个骰子投了点数3

....

(k-1,n-6)：第k个骰子投了点数6

在k-1个骰子的基础上，再增加一个骰子出现点数和为n的结果只有这6种情况！

所以：f(k,n)=f(k-1,n-1)+f(k-1,n-2)+f(k-1,n-3)+f(k-1,n-4)+f(k-1,n-5)+f(k-1,n-6)

3.有1个骰子，f(1,1)=f(1,2)=f(1,3)=f(1,4)=f(1,5)=f(1,6)=1。

来源：http://blog.csdn.net/whuqin/article/details/6639187