蓝桥杯 - 动态规划DP - 印章问题_蓝桥杯印章动态规划-CSDN博客

本文链接：https://blog.csdn.net/qq_26774085/article/details/122847943

使用numpy，不论是否使用try except，系统都判别为运行错误

import numpy as np

n, m = map(int, input().split())  # 一共有n种印章,买了m个
# numpy创建25行25列二维数组
dp = np.zeros((25, 25), dtype=np.float64)

for i in range(1, m + 1):
    for j in range(1, n + 1):
        if i < j:  # 买i个印章,收集够比i个多的种数,概率为零
            dp[i, j] = 0
        elif j == 1:  # 买i个印章,收集够1种类型
            dp[i, j] = (1 / n) ** (i - 1)  # n * (1/n ** (i - 1))
        else:  # 买i张凑齐j种,第i张要么和之前凑齐的一样,即抽中前面j种中的一种的概率是j/n
            # 要么不一样,即抽中前面j-1种之外(n-(j-1))中的一种的概率是(n-j+1)/n
            # 以上两种概率分别要乘上dp[i-1,j]和dp[i-1,j-1]才能表示对应情况下的dp[i,j],然后相加才是完整的概率
            dp[i, j] = dp[i - 1, j] * j / n + dp[i - 1, j - 1] * (n - j + 1) / n
rst = float(dp[m, n])
print('%.4f' % rst)

不使用numpy，不使用try except，系统判别为运行错误

dp = [[0 for i in range(25)] for i in range(25)]
n, m = map(int, input().split())  # 一共有n种印章,买了m个
for i in range(1, m + 1):
    for j in range(1, n + 1):
        if i < j:  # 买i个印章,收集够比i个多的种数,概率为零
            dp[i][j] = 0
        elif j == 1:  # 买i个印章,收集够1种类型
            dp[i][j] = (1 / n) ** (i - 1)  # n * (1/n ** (i - 1))
        else:  # 买i张凑齐j种,第i张要么和之前凑齐的一样,即抽中前面j种中的一种的概率是j/n
            # 要么不一样,即抽中前面j-1种之外(n-(j-1))中的一种的概率是(n-j+1)/n
            # 以上两种概率分别要乘上dp[i-1][j]和dp[i-1][j-1]才能表示对应情况下的dp[i][j],然后相加才是完整的概率
            dp[i][j] = dp[i - 1][j] * j / n + dp[i - 1][j - 1] * (n - j + 1) / n
rst = float(dp[m][n])
print('%.4f' % rst)

不使用numpy，使用try except，系统判别通过

# 加try except
dp = [[0 for i in range(25)] for i in range(25)]
n, m = map(int, input().split())  # 一共有n种印章,买了m个
try:
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if i < j:  # 买i个印章,收集够比i个多的种数,概率为零
                dp[i][j] = 0
            elif j == 1:  # 买i个印章,收集够1种类型
                dp[i][j] = (1 / n) ** (i - 1)  # n * (1/n ** (i - 1))
            else:  # 买i张凑齐j种,第i张要么和之前凑齐的一样,即抽中前面j种中的一种的概率是j/n
                # 要么不一样,即抽中前面j-1种之外(n-(j-1))中的一种的概率是(n-j+1)/n
                # 以上两种概率分别要乘上dp[i-1][j]和dp[i-1][j-1]才能表示对应情况下的dp[i][j],然后相加才是完整的概率
                dp[i][j] = dp[i - 1][j] * j / n + dp[i - 1][j - 1] * (n - j + 1) / n
    rst = float(dp[m][n])
    print('%.4f' % rst)
except:
    pass