题目描述:
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。
你需要用一个浮点数数组返回答案,其中第 i 个元素代表这 n 个骰子所能掷出的点数集合中第 i 小的那个的概率
示例:
输入: 1
输出: [0.16667,0.16667,0.16667,0.16667,0.16667,0.16667]
输入: 2
输出: [0.02778,0.05556,0.08333,0.11111,0.13889,0.16667,0.13889,0.11111,0.08333,0.05556,0.02778]
限制:1 <= n <= 11
暴力方法
- 首先对于有n个骰子,总共有Math.pow(6, n) 中可能的情况。 而且,所有可能出现的点数的情况总共有5n + 1。(例如对于 n = 3, 点数的情况是 3, 4,5, ··· , 18 )
- 所以对于一种点数的情况,只要求出在点数为m时,在有n个骰子的情况下总共有多少种情况可以构成m个点数,之后再除以所有可能的情况即为当前点数的概率。
- 而对于有n个骰子总共有多少情况可以构成m个点数的情况,又可以转化为在有 n - 1 个骰子的情况下,构成 m - 1 点数的情况 + 构成 m - 2 点数的情况 + 构成 m - 3 点数的情况 + 构成 m - 4 点数的情况 + 构成 m - 5 点数的情况 + 构成 m - 6 点数的情况。 而针对于这种,可以使用递归来处理。递归出口为 n < 0 || 点数 < 0 时返回0, 而 n == 0 && 点数 == 0 时表示找到一种情况,返回1。
class Solution {
public double[] dicesProbability(int n) {
int possibility = 5 * n + 1;
double total = Math.pow(6, n);
double[] result = new double[possibility];
for (int i = 0; i < possibility; i++) {
int cur = process(n, i + n);
result[i] = cur / total;
}
return result;
}
// n 表示骰子的个数 i 表示当前可能投出的点数
private int process(int n, int i) {
System.out.println(n + "\t" + i);
if (n < 0 || i < 0) {
return 0;
}
if (n == 0 && i == 0) {
return 1;
}
int res = 0;
for (int j = 1; j <= 6; j++) {
res += process(n - 1, i - j);
}
return res;
}
}
但是这种情况无法ac,超时。
记忆化搜索
对于暴力递归超时,可以在代码中加入傻缓存来保证不要重复计算。
- 而对于暴力递归的分析,process 方法的可变参数为两个, 分别为 n 和 i。 所以可以建立二维的傻缓存来避免重复计算。
class Solution {
public double[] dicesProbability(int n) {
int possibility = 5 * n + 1;
double total = Math.pow(6, n);
double[] result = new double[possibility];
int[][] dp = new int[n + 1][6 * n + 1];
for (int i = 0; i < n + 1; i++) {
for (int j = 0; j < 6 * n + 1; j++) {
dp[i][j] = -1;
}
}
for (int i = 0; i < possibility; i++) {
int cur = process(n, i + n, dp);
result[i] = cur / total;
}
return result;
}
// n 表示骰子的个数 i 表示当前可能投出的点数
private int process(int n, int i, int[][] dp) {
if (n < 0 || i < 0) {
return 0;
}
if (dp[n][i] != -1) {
return dp[n][i];
}
if (n == 0 && i == 0) {
dp[n][i] = 1;
return dp[n][i];
}
int res = 0;
for (int j = 1; j <= 6; j++) {
res += process(n - 1, i - j, dp);
}
dp[n][i] = res;
return dp[n][i];
}
}
动态规划
由暴力递归可以得到动态转移方程为:
dp[n][i] = dp[n - 1][i - 1] + dp[n - 1][i - 2] + dp[n - 1][i - 3] + dp[n - 1][i - 4] + dp[n - 1][i - 5] + dp[n - 1][i - 6]
举例:n = 2 (第一行与第一列均为下标)
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
2 | 0 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 5 | 4 | 3 | 2 | 1 |
class Solution {
public double[] dicesProbability(int n) {
int possibility = 5 * n + 1;
double total = Math.pow(6, n);
int[][] dp = new int[n + 1][6 * n + 1];
dp[0][0] = 1;
for (int i = 1; i < n + 1; i++) {
for (int j = 1; j < 6 * n + 1; j++) {
int cur = 0;
for (int k = 1; k <= 6; k++) {
if (j - k >= 0) {
cur += dp[i - 1][j - k];
}
}
dp[i][j] = cur;
}
}
double[] result = new double[possibility];
for (int i = 0; i < possibility; i++) {
int cur = dp[n][i + n];
result[i] = cur / total;
}
return result;
}
}
记忆化搜索与动态规划均超过100%