微软python有证书考吗_微软2017笔试第一题AC代码及思路(Python)

思路源自@gtdzx https://hihocoder.com/discuss/question/4295，优化参考下面@Chanson的回答

这道题包括两部分知识，概率知识和一些优化的技巧。

概率部分

1、取每件物品之间是独立事件，因为取得第 i件物品的概率仅由公式⌊P/(2^i)⌋%决定

2、取得i件物品所需quest 的期望 = 取得每件物品所需的quest期望之和

或者理解为取得i件物品所需quest 的期望 = 取得i-1件物品所需quest 的期望 + 取得第 i件物品所需quest 的期望

因此，解决原问题的关键在于计算取得每件物品的所需quest 的期望：其递归关系为

取得物品的所需quest 的期望 = 本次取到物品所需quest 的期望 + 本次未取到物品所需quest 的期望，

即E(p, q, quest) = p * quest + E(p+q, q,quest+1), p为本次取到物品的概率，quest为当前quest 次数, q为增长的概率。

最后，再将取得每件物品所需的quest期望相加即可。

优化部分

本题可能会遇到两种错误，RE和TLE，RE可能是由于递归过深爆栈所至，TLE就是超时啦

当单纯的采用递归来解本题，见分隔线下的代码，会导致RE。这是因为递归次数取决于递归函数中物品数量item和取得物品的概率p两个参数，当待取物品数量N很大，每次增加的概率Q很小时，递归必然会很深。

当采用上述思路时，见AC代码，递归次数仅取决于取得物品的概率p一个参数(因为只计算取得1件物品的quest 期望)，相对来说递归次数会减少，不会出现RE，但会出现TLE。

为了解决TLE，需要做的优化如@Chanson的回答

获得item超过7时每多获得一个item所需次数的期望就相同了，如果只对前6个item进行计算，其他的都用固定的期望乘以剩下的个数，就可以很大程度上降低复杂度了。

最终AC代码

P, Q, N = (int(i) for i in raw_input().split())

def cal_quest_expectation(p, q, quest):

'''

used to calculate quest expectation for getting one item

'''

if p >= 100: return quest * 1

get_item = quest * p / 100.0

not_get_item = (100 - p) / 100.0 * cal_quest_expectation(p + q, q, quest + 1)

return get_item + not_get_item

res = 0

p = P

for i in xrange(N):

if i == 6:

res += (N - i) * cal_quest_expectation(0, Q, 1)

break

res += cal_quest_expectation(p, Q, 1)

p //= 2

print res

——————————————原帖————————————————————————

本地测试下，一个raw_input()操作大约6000ms

附：一题RE代码

get_p, q, num = (int(i) for i in raw_input().split())

def cal(item, quest, p, flag):

if p == 0: return 0

if item == num:

return quest * p / 100.0

if flag:

new_p = get_p // (2 ** item)

else:

new_p = min(100, p+q)

return p*(cal(item+1, quest+1, new_p, True)/100.0) + p*(cal(item, quest+1, 100-new_p, False)/100.0)

print cal(1, 1, get_p, True) + cal(0, 1, 100-get_p, False)