题意:一共可以答n道题目,初始奖金为1,每次答对题目奖金翻倍,答错奖金清零。每次答对题目的概率在[t,1]变动。求最佳策略下能获得的期望奖金。
解法:概率dp
1.dp[i]:答对第i题的期望奖金
初始化:dp[n]=2^n
2.如果t*dp[i+1]>2^i,则一定回答第i+1题。此时
dp[i]=(1+t)/2∗dp[i+1]
如果t*dp[i+1]<=2^i,则不一定回答第i+1题。设bp(边缘概率)=2^i/dp[i+1],如果答对i+1题的概率小于bp,那么不选择答i+1题,否则选择答第i+1题,此时
dp[i]=dp[i]=(bp−t)/(1.0−t)∗p2[i]+(1.0−bp)/(1.0−t)∗(1.0+bp)/2.0∗dp[i+1];
#include<stdio.h>
#include<string.h>
#include<math.h>
#include<algorithm>
#include<iostream>
#include<vector>
#include<map>
#include<set>
#define ll long long
using namespace std;
const int maxn = 100+10;
int n;
double T;
double p2[maxn];//2^i
double dp[maxn];
void init(){
p2[0]=1;
for(int i=1;i<=30;i++) p2[i]=p2[i-1]*2.0;
}
int main(){
init();
while(scanf("%d%lf",&n,&T)!=EOF){
if(n==0&&T==0) break;
memset(dp,0,sizeof(dp));
dp[n]=p2[n];
for(int i=n-1;i>=0;i--){
double bp=p2[i]/dp[i+1];
if(T>bp){
dp[i]=(T+1)/2.0*dp[i+1];
}
else{
dp[i]=(bp-T)/(1.0-T)*p2[i]+(1.0-bp)/(1.0-T)*(1.0+bp)/2.0*dp[i+1];
}
}
printf("%.3lf\n",dp[0]);
}
return 0;
}