【LeetCode】808.分汤

Schanappi

于 2022-11-21 15:02:53 发布

阅读量429

点赞数

分类专栏： LeetCode刷题文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/weixin_43894455/article/details/127961229

版权

LeetCode刷题专栏收录该内容

218 篇文章 6 订阅

订阅专栏

题目描述

有 A 和 B 两种类型的汤。一开始每种类型的汤有 n 毫升。有四种分配操作：
提供 100ml 的汤A 和 0ml 的汤B 。
提供 75ml 的汤A 和 25ml 的汤B 。
提供 50ml 的汤A 和 50ml 的汤B 。
提供 25ml 的汤A 和 75ml 的汤B 。
当我们把汤分配给某人之后，汤就没有了。每个回合，我们将从四种概率同为 0.25 的操作中进行分配选择。如果汤的剩余量不足以完成某次操作，我们将尽可能分配。当两种类型的汤都分配完时，停止操作。
注意不存在先分配 100 ml 汤B 的操作。
需要返回的值：汤A 先分配完的概率 + 汤A和汤B 同时分配完的概率 / 2。返回值在正确答案 10-5 的范围内将被认为是正确的。

示例 1：

输入: n = 50
输出: 0.62500
解释:如果我们选择前两个操作，A 首先将变为空。
对于第三个操作，A 和 B 会同时变为空。
对于第四个操作，B 首先将变为空。
所以 A 变为空的总概率加上 A 和 B 同时变为空的概率的一半是 0.25 *(1 + 1 + 0.5 + 0)= 0.625。

示例 2：

输入: n = 100
输出: 0.71875

提示：

0 <= n <= 10⁹

方法一：动态规划（自底向上）

class Solution {
public:
    double soupServings(int n) {
        // 如果n的值大等于4475，说明汤A肯定会先被分配完
        if(n >= 4475)   return 1.0;
        
        // /25方便计算，ceil向上取整
        n = ceil((double)n / 25);

        // 定义动态规划数组dp
        // dp[i][j]表示汤A和汤B分别剩余i和j时的概率值
        vector<vector<double>> dp(n+1, vector<double>(n+1));
        
        // dp[0][0]表示同时完成分配
        dp[0][0] = 0.5;

        // dp[0][j]表示汤A已经分配完，概率恒为1
        for(int i=1; i<=n ; i++){
            dp[0][i] = 1.0;
        }
	
		// 考虑剩下的情况，注意下标需要大于0，因此使用max函数来判断
        for(int i=1; i<=n ;i++){
            for(int j=1; j<=n; j++){
                dp[i][j] = 0.25 * (dp[max(0, i - 4)][j] + 
                				   dp[max(0, i - 3)][max(0, j - 1)] + 
                				   dp[max(0, i - 2)][max(0, j - 2)] + 
                				   dp[max(0, i - 1)][max(0, j - 3)]); 
            }
        }
    return dp[n][n];
    }
};

方法二：动态规划（自顶向下）

class Solution {
public:
    double soupServings(int n) {
        // 如果n的值大等于4475，说明汤A肯定会先被分配完
        if(n >= 4475)   return 1.0;
        
        // /25方便计算，ceil向上取整
        n = ceil((double)n / 25);

        // 定义动态规划数组dp
        // dp[i][j]表示汤A和汤B分别剩余i和j时的概率值
        vector<vector<double>> dp(n+1, vector<double>(n+1));
        
        // dp[n][n]表示汤A和汤B分别剩余n的概率为1
        dp[n][n] = 1.0;

        // 定义temp为当前dp[i][j]对于分布的四种情况的概率值
        double temp = 0.0;

        // 对所有蓝色块进行计算
        for(int i=n; i>0; i--){
            for(int j=n; j>0; j--){
                // 汤B先被分配完，对最终结果没有影响
                if(dp[i][j] == 0)   continue;

                temp = 0.25 * dp[i][j];

                dp[max(0, i - 4)][j] += temp; 
                dp[max(0, i - 3)][max(0, j - 1)] += temp;
                dp[max(0, i - 2)][max(0, j - 2)] += temp;
                dp[max(0, i - 1)][max(0, j - 3)] += temp;
            }
        }

        // 汤A和汤B同时分完，概率为0
        dp[0][0] /= 2;

        // 累加所有可能的情况
        for(int i=1; i<=n; i++)
            dp[0][0] += dp[0][i];
    return dp[0][0];
    }
};

方法三：DFS（自顶向下）

class Solution {
public:
    double soupServings(int n) {
        // 如果n的值大等于4475，说明汤A肯定会先被分配完
        if(n >= 4475)   return 1.0;
        
        // /25方便计算，ceil向上取整
        n = ceil((double)n / 25);

        // 定义动态规划数组dp
        // dp[i][j]表示汤A和汤B分别剩余i和j时的概率值
        dp = vector<vector<double>>(n + 1, vector<double>(n + 1));
        // vector<vector<double>> dp(n + 1, vector<double>(n + 1));
        // 这种定义的方式会出错，可能因为dp是全局变量
        
        return dfs(n, n);
    }

    // 记忆化搜索
    double dfs(int a, int b){
        if(a <= 0 && b <= 0)    return 0.5; // 汤A和汤B都已经分配完
        else if(a <= 0) return 1.0; // 汤A分配完
        else if(b <= 0)    return 0.0; // 汤B分配完

        // df初始值为0
        // 所有如果df > 0，则说明已经完成计算
        if(dp[a][b] > 0)    return dp[a][b];

        // 计算df
        dp[a][b] = 0.25 * (dfs(a - 4, b) + 
        				   dfs(a - 3, b - 1) + 
        				   dfs(a - 2, b- 2) + 
        				   dfs(a - 1, b - 3));
        return dp[a][b];
    }
private:
    vector<vector<double>> dp;
};

心得

今天也没有自己做出来，有想到要用动态规划，但是具体操作还是不了解。

方法一：动态规划（自底向上）
由于四组容量都是25的倍数，因此四组操作可以简化为（4，0），（3，1），（2，2），（1，3），同时， n 也需要除以 25 。

明确dp[ i ][ j ] 的定义
假设 dp[i][j] 为汤 A 和汤 B 分别剩下 i ml 和 j ml时候的概率值。

确定状态转移方程
dp [ i ] [ j ] = 0.25 * (dp [ i - 4 ][ j ] + dp [ i - 3 ][ j - 1 ] + dp [ i - 2 ][ j - 2 ] + dp [ i - 1 ][ j - 3 ])

确定边界条件

当 i > 0， j = 0 时，此时汤A 不可能先完成分配，汤A 和汤B 也不可能同时完成分配，因此概率值 P = 0；
当 i = 0 ，j = 0 时，此时汤A 和汤B 同时完成分配，因此概率值 P = 0 + 0.5 * 1 = 0.5；
当 i = 0 ，j > 0时，此时汤A 已经先完成分配，因此概率值 P = 1.

综上所述，dp [ i ][ j ]的边界条件就有以上三种。

优化算法
此时，算法的时间复杂度为O（n²），当 n 特别大的时候，可能会TLE，因此需要进行优化，可以找出 n >= 4475 时，概率值已经接近1，此时可以直接给出答案不必判断。
那么4475如何得出呢？
首先我们先计算出汤A 每次分配的平均期望为 E(A) = （4 + 3 + 2 + 1）/ 4 = 2.5，
汤B 每次分配的平均期望为 E(B) = （0 + 1 + 2 +3） / 4 = 1.5，因此当n足够大的时候，A肯定会先被分完。由于题目给出了误差值为10^-5 ，也就是说当答案 > 0.99999 的时候，可以直接返回1 。
可以通过运行上面代码寻找到这个值，为4475。

方法二：动态规划（自顶向下）
自底向上的方法会计算很多无用的值，而自顶向下的动态规划则会避免多余的计算。
如图，红色块是最终要求得的值，那么需要通过蓝色块得到红色块，灰色块都是无用的值。

从 dp[ n ][ n ]开始，自顶向下依次递推：
dp[ n ][ n ]，它出现的概率为1，这是既定事实；
确定状态转移方程
dp[ n ][ n ]进行四次分布后，每种情况的出现概率都为0.25，再一次进行分布也是一样的，因此，得到状态转移方程：
dp[ a - 4 ][ b ] = 0.25 * dp[ a ][ b ]
dp[ a - 3 ][ b - 1 ] = 0.25 * dp[ a ][ b ]
dp[ a - 2 ][ b - 2 ] = 0.25 * dp[ a ][ b ]
dp[ a - 3 ][ b - 1 ] = 0.25 * dp[ a ][ b ]
确定边界条件，计算最终结果
最终结果 = 汤A 先分完的概率 + 汤A 和汤B 同时分完的概率
汤A 先分完的概率 = dp[ 0 ][ j ] ，其中 j != 0 且 j <= n;
汤A 和汤B 同时分完的概率 = dp[ 0 ][ 0 ]

方法三：dfs记忆化搜索（自顶向下）
这个方法的思路和方法二差不多，也是为了避免无效块的计算。

总结
自底向上的方式（方法一）
先给最底层（边界）情况赋贡献值，然后向上推出上一层情况对答案的贡献值，以此类推，最终得到答案
自顶向下的方式（方法二，三）
从最开始的情况计算，向下推出下一层情况的真实发生概率，以此类推，直到所有分支情况到达边界，最终将边界情况的真实概率进行总结计算

参考资料：
[1]优秀题解
[2]深度优先搜索之记忆化dfs