HDU 4035 Maze 树形概率DP 2011年成都网络赛E题

题目大意:
lxhgww 现在在一个树形图的点1上(此树形图共n个点,编号从1到n) 现在在第i点有 Ki%的概率被杀死回到点1, 有Ei%的概率逃出迷宫, 剩下的1 - Ki% - Ei%就是什么都没发生了,需要转到下一位置,其中K0 = E0 = 0, 现在给出树形图,定点数n <= 10000求lxhgww走出迷宫需要走多少次的期望


大致思路:
由于n <= 10000直接解线性方程组的复杂度不能接受,需要递推,递推公式及过程见代码


代码如下:

Result  :  Accepted     Memory  :  1588 KB     Time  :  203 ms

/*
 * Author: Gatevin
 * Created Time:  2014/12/2 17:57:35
 * File Name: Asuna.cpp
 */
#include<iostream>
#include<sstream>
#include<fstream>
#include<vector>
#include<list>
#include<deque>
#include<queue>
#include<stack>
#include<map>
#include<set>
#include<bitset>
#include<algorithm>
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<cctype>
#include<cmath>
#include<ctime>
#include<iomanip>
using namespace std;
const double eps(1e-10);//这里刚开始开eps = 1e-8 WA了...
typedef long long lint;

/*
 * 很好的一道概率题, 首先不难发现如果用dp[i]表示从节点i到达目标状态需要的步数,有方程:
 * dp[i] = ∑(dp[j] + 1)/G[i].size()*(1 - K[i] - E[i]) + K[i]*(dp[1] + 0) + E[i]*0;
 *       = ∑(dp[j] + 1)/G[i].size()*(1 - K[i] - E[i]) + K[i]*dp[1]
 * 其中G[i]为与点i相邻的点组成的vector, K[i]为在i节点被杀死的概率, E[i]为出去的概率,j为与i相邻的点
 * 这样对于dp[1~n]一共有n个方程,可见一定是可解的,但是由于n的范围太大,需要递推求解
 * 这里由于dp[1]为起点,将其视作整棵树的根节点,那么原来的方程需要写为
 * dp[i] = ∑dp[son[i]]/G[i].size()*(1 - K[i] - E[i]) + dp[father[i]]/G[i].size()*(1 - K[i] - E[i]) + K[i]*dp[1] + (1 - K[i] - E[i])
 * 其中son[i]是i的子节点,father[i]是i的父节点,那么对于叶子节点
 * dp[i] = dp[father[i]]*(1 - K[i] - E[i]) + K[i]*dp[1] + 1 - K[i] - E[i]
 * (因为对于叶子节点,没有继续下去的儿子,且G[i].size() = 1)
 * 那么可以发现从叶子节点往上看,每一个儿子节点都可以表示成A*dp[1] + B*dp[father] + C的形式,那么对于一个点的所有子节点
 * 不难发现其father是一样的,并且带入当前的father节点可以算出相应的father节点满足的关系那么从叶节点开始后序遍历这棵树即可最终递推出dp[1]
 * 并且dp[1] = ∑dp[son[1]]/G[1].size()*(1 - 0 - 0) + 0*dp[1] + 1 - 0 - 0
 * 于是dp[1]便可以解出
 * 这里我的代码是将每个节点的A,B,C参数用dp1表示多少倍dp[1], dpfa表示多少倍其父节点,cons表示常数项
 * 递推求解即可
 */

double K[10010], E[10010];
vector <int> G[10010];
bool vis[10010];
int father[10010];
int n, x, y;

struct Node
{
    double dp1, dpfa, cons;
    Node(double a = 0, double b = 0, double c = 0)
    {
        dp1 = a; dpfa = b; cons = c;
    }
};

Node operator + (Node n1, Node n2)
{
    return Node(n1.dp1 + n2.dp1, n1.dpfa + n2.dpfa, n1.cons + n2.cons);
}

void dfs(int now)
{
    vis[now] = 1;
    for(unsigned int i = 0; i < G[now].size(); i++)
    { 
        if(!vis[G[now][i]])
        {
            father[G[now][i]] = now;
            dfs(G[now][i]);
        }
    }
    return;
}

Node solve(int now)
{
    if(G[now].size() == 1) return Node(K[now], 1 - K[now] - E[now], 1 - K[now] - E[now]);
    Node ret;
    for(unsigned int i = 0; i < G[now].size(); i++)
        if(G[now][i] != father[now])
            ret = ret + solve(G[now][i]);
    double tmp = (1 - ret.dpfa/G[now].size()*(1 - K[now] - E[now]));
    ret.dp1 /= G[now].size(); ret.dp1 *= (1 - K[now] - E[now]); ret.dp1 += K[now];
    ret.dpfa = (1 - K[now] - E[now])/G[now].size();
    ret.cons /= G[now].size(); ret.cons *= (1 - K[now] - E[now]); ret.cons += 1 - K[now] - E[now];
    return Node(ret.dp1/tmp, ret.dpfa/tmp, ret.cons/tmp);
}

int main()
{
    int t;
    scanf("%d", &t);
    for(int cas = 1; cas <= t; cas++)
    {
        scanf("%d", &n);
        for(int i = 1; i <= n; i++) G[i].clear();
        for(int i = 1; i <= n - 1; i++)
        {
            scanf("%d %d", &x, &y);
            G[x].push_back(y);
            G[y].push_back(x);
        }
        for(int i = 1; i <= n; i++)
        {
            scanf("%d %d", &x, &y);
            K[i] = x*1.0/100; E[i] = y*1.0/100;
        }
        memset(vis, 0, sizeof(vis));
        dfs(1);
        Node one;
        for(unsigned int i = 0; i < G[1].size(); i++)
            one = one + solve(G[1][i]);
        if(G[1].size() - one.dp1 - one.dpfa < eps)
        {
            printf("Case %d: impossible\n", cas);
            continue;
        }
        double ans = (one.cons + G[1].size())/(G[1].size() - one.dp1 - one.dpfa);
        if(ans < eps) printf("Case %d: impossible\n", cas);
        else printf("Case %d: %.6f\n", cas, ans);
    }
    return 0;
}


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: hdu 2829 Lawrence 斜率优化dp 这道是一道经典的斜率优化dp目,需要用到单调队列的思想。 目大意是给定一个序列a,求出一个序列b,使得b[i]表示a[1]~a[i]中的最小值,且满足b[i] = min{b[j] + (i-j)*k},其中k为给定的常数。 我们可以将上式拆开,得到b[i] = min{b[j] - j*k} + i*k,即b[i] = i*k + min{b[j] - j*k},这个式子就是斜率优化dp的形式。 我们可以用单调队列来维护min{b[j] - j*k},具体思路如下: 1. 首先将第一个元素加入队列中。 2. 从第二个元素开始,我们需要将当前元素加入队列中,并且需要维护队列的单调性。 3. 维护单调性的方法是,我们从队列的末尾开始,将队列中所有大于当前元素的元素弹出,直到队列为空或者队列中最后一个元素小于当前元素为止。 4. 弹出元素的同时,我们需要计算它们对应的斜率,即(b[j]-j*k)/(j-i),并将这些斜率与当前元素的斜率比较,如果当前元素的斜率更小,则将当前元素加入队列中。 5. 最后队列中的第一个元素就是min{b[j] - j*k},我们将它加上i*k就得到了b[i]的值。 6. 重复以上步骤直到处理完所有元素。 具体实现可以参考下面的代码: ### 回答2: HDU 2829 Lawrence 斜率优化 DP 是一道经典的斜率优化 DP 目,其思想是通过维护一个下凸包来优化 DP 算法。下面我们来具体分析一下这道目。 首先,让我们看一下该目的描述。目给定一些木棒,要求我们将这些木棒割成一些给定长度,且要求每种长度的木棒的数量都是一样的,求最小的割枝次数。这是一个典型的背包问,而且在此基础上还要求每种长度的木棒的数量相同,这就需要我们在状态设计上走一些弯路。 我们来看一下状态的定义。定义 $dp[i][j]$ 表示前 $i$ 个木棒中正好能割出 $j$ 根长度为 $c_i$ 的木棒的最小割枝次数。对于每个 $dp[i][j]$,我们可以分类讨论: 1. 不选当前的木棒,即 $dp[i][j]=dp[i-1][j]$; 2. 选当前的木棒,即 $dp[i][j-k]=dp[i-1][j-k]+k$,其中 $k$ 是 $j/c_i$ 的整数部分。 现在问再次转化为我们需要在满足等量限制的情况下,求最小的割枝次数。可以看出,这是一个依赖于 $c_i$ 的限制。于是,我们可以通过斜率优化 DP 来解决这个问。 我们来具体分析一下斜率优化 DP 算法的思路。我们首先来看一下动态规划的状态转移方程 $dp[i][j]=\min\{dp[i-1][k]+x_k(i,j)\}$。可以发现,$dp[i][j]$ 的最小值只与 $dp[i-1][k]$ 和 $x_k(i,j)$ 有关。其中,$x_k(i,j)$ 表示斜率,其值为 $dp[i-1][k]-k\times c_i+j\times c_i$。 接下来,我们需要维护一个下凸包,并通过斜率进行优化。我们具体分析一下该过程。假设我们当前要计算 $dp[i][j]$。首先,我们需要找到当前点 $(i,j)$ 在凸包上的位置,即斜率最小值的位置。然后,我们根据该位置的斜率计算 $dp[i][j]$ 的值。接下来,我们需要将当前点 $(i,j)$ 加入到下凸包上。 我们在加入点的时候需要注意几点。首先,我们需要将凸包中所有斜率比当前点小的点移除,直到该点能够加入到凸包中为止。其次,我们需要判断该点是否能够加入到凸包中。如果不能加入到凸包中,则直接舍弃。最后,我们需要保证凸包中斜率是单调递增的,这就需要在加入新的点之后进行上一步操作。 以上就是该目的解思路。需要注意的是,斜率优化 DP 算法并不是万能的,其使用情况需要根据具体的问情况来确定。同时,该算法中需要维护一个下凸包,可能会增加一些算法的复杂度,建议和常规 DP 算法进行对比,选择最优的算法进行解。 ### 回答3: 斜率优化DP是一种动态规划优化算法,其主要思路是通过对状态转移方程进行变形,提高算法的时间复杂度。HDU2829 Lawrence问可以用斜率优化DP解决。 首先,我们需要了解原问的含义。问描述如下:有$n$个人在数轴上,第$i$个人的位置为$A_i$,每个人可以携带一定大小的行李,第$i$个人的行李重量为$B_i$,但是每个人只能帮助没有他们重量大的人搬行李。若第$i$个人搬运了第$j$个人的行李,那么第$i$个人会累加$C_{i,j}=\left|A_i-A_j\right|\cdot B_j$的体力消耗。求$m$个人帮助每个人搬运行李的最小体力消耗。 我们可以通过斜率优化DP解决这个问。记$f_i$为到前$i$个人的最小体力消耗,那么状态转移方程为: $$f_i=\min_{j<i}\{f_j+abs(A_i-A_j)\cdot B_i\}$$ 如果直接使用该方程,时间复杂度为$O(n^2)$,如果$n=10^4$,则需要计算$10^8$次,运算时间极长。斜率优化DP通过一些数学推导将方程变形,将时间复杂度降低到$O(n)$,大大缩短了计算时间。 通过斜率优化DP的推导式子,我们可以得到转移方程为: $$f_i=\min_{j<i}\{f_j+slope(j,i)\}$$ 其中,$slope(j,i)$表示直线$j-i$的斜率。我们可以通过如下方式来求解$slope(j,i)$: $$slope(j,i)=\frac{f_i-f_j}{A_i-A_j}-B_i-B_j$$ 如果$slope(j,i)\leq slope(j,k)$,那么$j$一定不是最优,可以直接舍去,降低计算时间。该算法的时间复杂度为$O(n)$。 综上所述,斜率优化DP是一种动态规划优化算法,可以大大缩短计算时间。在处理类似HDU2829 Lawrence问的时候,斜率优化DP可以很好地解决问

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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