NOJ 1276 弱肉强食

弱肉强食

Time Limit: 1 Second      Memory Limit: 32768 KB

   在黑石岛上生活着三种生物:r只石头,s只剪刀,p只布,每一次随机两只会相遇(每两只相遇的概率均相同).如果两只不同的生物相遇其中一只会死掉(石头杀死剪刀,剪刀杀死布,布杀死石头),相同的生物相遇则不会发生任何事情.你的任务是计算到最后时只剩下一种生物的概率.

输入描述

   输入案例有多组,每组数据占据一行,每行输入三个整数,r,s,p ( 1<= r,s,p <=100 ).

输出描述

   对应每组数据的输出占一行,输出三个数.分别表示剩下石头,剪刀,布的概率.最后保留9位小数,每个数之间有一个空格,最后没有空格.

样例输入
2 2 2
2 1 2
1 1 3
样例输出
0.333333333333 0.333333333333 0.333333333333
0.150000000000 0.300000000000 0.550000000000
0.057142857143 0.657142857143 0.285714285714





























概率dp
#include <cstdio>
#include <iostream>
#include <algorithm>
using namespace std;
#include <queue>
#include <cstring>
#include <bits/stdc++.h>
#define inf 0x7f7f7f
const int M=100005;
double dp[101][101][101];
int main()
{
    int r,s,p;
    while(cin>>r>>s>>p)
    {
        memset(dp,0,sizeof(dp));
        dp[r][s][p]=1;
        int i,j,k;
        for(i=r; i>=0; i--)
            for(j=s; j>=0; j--)
                for(k=p; k>=0; k--)
                {

                    int tmp=i*j+j*k+k*i;
                    if(tmp==0) continue;
                    if(j-1>=0)
                        dp[i][j-1][k]+=i*j*1.0/tmp*dp[i][j][k];
                    if(k-1>=0)
                        dp[i][j][k-1]+=j*k*1.0/tmp*dp[i][j][k];
                    if(i-1>=0)
                        dp[i-1][j][k]+=k*i*1.0/tmp*dp[i][j][k];
                }
        double rr,ss,pp;
        rr=ss=pp=0;
        for(i=1; i<=100; i++)
        {
            rr+=dp[i][0][0];
            ss+=dp[0][i][0];
            pp+=dp[0][0][i];
            // cout<<dp[i][0][0]<<endl;
        }
        printf("%.9lf %.9lf %.9lf\n",rr,ss,pp);
    }
    return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值