动态规划法
使用递归会有重复子问题,会超出时间限制
所以我们用动态规划算法,首先明确状态明确选择。
分析问题的状态时,不要分析整体,只分析最后一个阶段即可!因为动态规划问题都是划分为多个阶段的,各个阶段的状态表示都是一样,而我们的最终答案在就是在最后一个阶段。
本题不用选择
接下来我们来找出动态转移方程,最后一个阶段也就是投掷完 nn 枚骰子后的这个阶段,我们用 dp[n][j]dp[n][j] 来表示最后一个阶段点数 jj 出现的次数。
单单看第 nn 枚骰子,它的点数可能为 1 , 2, 3, … , 61,2,3,…,6 ,因此投掷完 nn 枚骰子后点数 jj 出现的次数,可以由投掷完 n-1n−1 枚骰子后,对应点数 j-1, j-2, j-3, … , j-6j−1,j−2,j−3,…,j−6 出现的次数之和转化过来。
base case
我们可以直接知道的状态是啥,就是第一阶段的状态:投掷完 11 枚骰子后,它的可能点数分别为 1, 2, 3, … , 61,2,3,…,6 ,并且每个点数出现的次数都是 11 .
class Solution {
public double[] dicesProbability(int n) {
//dp[i][j]数组含义: 投掷i枚骰子,出现点数j 的次数为?
int dp[][] =new int[n+1][6*n+1];
for(int j=1;j<=6;j++){
dp[1][j]=1;
}
for(int i=2;i<=n;i++){
for(int j=i;j<=6*i;j++){
for(int k=1;k<=6&&k<=j;k++){
dp[i][j]+=dp[i-1][j-k];
}
}
}
double f[]=new double[6 * n - n + 1];
for(int i=n;i<=6*n;i++){
f[i-n]=((double)dp[n][i]/(Math.pow(6,n)));
}
return f;
}
}