BZOJ-1076 奖励关 概率+状压DP

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$[-10^6，10^6]$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]);
}