题目链接:BZOJ-1076 奖励关
题目
Description
你正在玩你最喜欢的电子游戏,并且刚刚进入一个奖励关。在这个奖励关里,系统将依次随机抛出k次宝物,
每次你都可以选择吃或者不吃(必须在抛出下一个宝物之前做出选择,且现在决定不吃的宝物以后也不能再吃)。
宝物一共有n种,系统每次抛出这n种宝物的概率都相同且相互独立。也就是说,即使前k-1次系统都抛出宝物1(
这种情况是有可能出现的,尽管概率非常小),第k次抛出各个宝物的概率依然均为1/n。 获取第i种宝物将得到Pi
分,但并不是每种宝物都是可以随意获取的。第i种宝物有一个前提宝物集合Si。只有当Si中所有宝物都至少吃过
一次,才能吃第i种宝物(如果系统抛出了一个目前不能吃的宝物,相当于白白的损失了一次机会)。注意,Pi可
以是负数,但如果它是很多高分宝物的前提,损失短期利益而吃掉这个负分宝物将获得更大的长期利益。 假设你
采取最优策略,平均情况你一共能在奖励关得到多少分值?
Input
第一行为两个正整数k和n,即宝物的数量和种类。以下n行分别描述一种宝物,其中第一个整数代表分值,随
后的整数依次代表该宝物的各个前提宝物(各宝物编号为1到n),以0结尾。
Output
输出一个实数,保留六位小数,即在最优策略下平均情况的得分。
Sample Input
1 2
1 0
2 0
Sample Output
1.500000
HINT
【数据规模】
1<=k<=100,1<=n<=15,分值为 [ − 1 0 6 , 1 0 6 ] [-10^6,10^6] [−106,106]内的整数。
解析
混合了决策的概率DP,这里就不能直接转移,要看放出来的宝物吃更值还是不吃更值。
由于是算期望,从后往前推是难免的(其实也不一定,但是这里显然是,而且需要后续状态辅助决策以达到最大收益),而且需要状压储存现有宝物。其他没什么要说的,总体而言还是很基础的吧。
上代码:
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
double dp[105][1<<15], val[105];
int pre[105];
int main()
{
memset(dp, 0, sizeof(dp));
int k, n, tmp, pr;
scanf("%d%d", &k, &n);
int lmt = 1<<n;
double p = 1.0/(double)n;
for(int i = 0; i < n; i++){
scanf("%lf", &val[i]);
pr = 0;
while(scanf("%d",&tmp), tmp)
pr += 1<<(tmp-1);
pre[i] =pr;
}
for(int i = k; i > 0; i--){
for(int j = 0; j < n; j++){
for(int t = 0; t < lmt; t++){
if((pre[j] & t) != pre[j]) dp[i][t] += dp[i+1][t]*p;
else{
if(((1<<j)&t) != 0) dp[i][t] += max(dp[i+1][t]+val[j], dp[i+1][t])*p;
else dp[i][t] += max(dp[i+1][t|(1<<j)]+val[j], dp[i+1][t])*p;
}
}
}
}
printf("%.6lf\n", dp[1][0]);
}