算法训练—印章

资源限制

时间限制：1.0s 内存限制：256.0MB

问题描述

　　共有n种图案的印章，每种图案的出现概率相同。小A买了m张印章，求小A集齐n种印章的概率。

输入格式

　　一行两个正整数n和m

输出格式

　　一个实数P表示答案，保留4位小数。

样例输入

2 3

样例输出

0.7500

数据规模和约定

　　1≤n，m≤20

代码1

import math
n,m=map(int,input().split( ))
if n ==1:
  print('1.0000')
else:
  x = math.perm(m,n)#perm是排列函数
  y = n**m
  print (format(x/y,'.4f'))

运行错误，考虑问题不全面，此问题不是说在买了m张之后考虑m与n的关系。其为动态问题，例如在购买m-1张印章之后若已经凑齐n种，则不再购买，故不可用此方法计算。

代码2

n,m = map(int,input().split())
dp = [ [0 for i in range(25)] for j in range(25)]
for i in range(1,m+1):
	for j in range(1,n+1):
		if i < j:
			dp[i][j] = 0
		elif j == 1:
			dp[i][j] = (1/n) ** (i-1)
		else:
			dp[i][j] = ( dp[i-1][j]) * (j*1.0/n) + (dp[i-1][j-1]) * (n-j+1)*1.0/n
s = float(dp[m][n])
print('%.4f'%s)

此程序非原创，侵删。
版权声明：本文为CSDN博主「图南_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43539781/article/details/121353101

此题采用动态规划（Dynamic Programming，DP）的方法求解，动态规划的三要素：最优子结构、边界和状态转移函数。
边界    问题最小子子集的解（初始范围）
最优子结构    每个阶段的最优状态可以从之前某个阶段的某个或某些状态直接得到
状态转移函数    从一个阶段向另一个阶段过度的具体形式,描述的是两个相邻子问题之间的关系(递推式)

对于本题，

·设置状态：当前状态下的数据包含小A手里的印章数目、印章的种类数目，因此可以构建二维数组dp[i][j]来存储概率。令dp[i][j] = 小A手里的印章数目为i、印章的总种类数目为n时小A收集齐j种印章的概率。

·边界：初始状态即找i j=0,1....时dp[i][j]的值，

当j = 1时：i = 1时，dp[1][1]表示小A手里有1枚印章并且集齐了一种类型的概率，易知为1；

i > 1时，dp[i][1]表示小A手里有i枚印章并且收集到了一种类型的概率，也就是说小A手里的这i枚印章全是一种类型的，但是一共有n种类型（键盘输入），因此dp[i][1]= n * (\frac{1}{n})^{i}= (\frac{1}{n})^{i-1}。

还有一种明显的情况可以容易得出的是：当 i < j 时，即小A手里有 i 枚印章收集到 j 种的概率，显然为 0 。

·状态转移函数：找递推式，即找状态之间的关系，这样就能从初始状态一直往下推了。在中间状态dp[i][j]：从手里有(i-1)枚印章到有 i 枚印章时，有两种情况：第一种，拿到的这枚印章种类手里已经有了，此时dp[i][j]表示手里已经有 j 种印章了，因为和手里的重复了，因此上个状态（即手里有(i-1)枚印章时）也是只有 j 种印章，即dp[i-1][j] 。那此时拿的这一枚肯定是 j 中的其中一枚，因此dp[i][j] = dp[i-1][j] * \frac{j}{n}；第二种，拿到的这枚印章种类手里还没有，此时上个状态表示为dp[i-1][j-1]，一共有 n 种印章，前面已经取了（j-1）种了，而现在取的和前面没有重复，因此取的是 n-(j-1)中的其中一个，因此

 pd[i][j] = dp[i-1][j-1] * \frac{n-(j-1))}{n} = dp[i-1][j-1] * \frac{n-j+1}{n}。这两种情况加起来即得到状态转移函数。