蓝桥杯算法训练 印章

蓝桥杯 算法训练 印章

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

本题使用动态规划算法，动态规划无非是以下三步，

• 确认状态，即dp数组中的值的含义
• 设计状态转移方程(递推公式)。
• 设置dp数组的初值

其中前2步尤为关键。除此之外，对于同一个问题使用用动态规划算法，可以设计出不同的状态和对应的状态转移方程（即dp数组所代表的含义和递推公式不唯一）

解题思路

首先，题目说买m个印章，凑齐n种不同的印章。有2个变量，自然的想到使用二维数组（一般的题目都是用二维数组），而题目是求买m个印章，集齐n种印章的概率。所以可以用dp[i][j]代表买i个印章，集齐j种印章的概率。

于是就有了以下表格

dp(i,j):

（1,1）	（1,2）	（1,3）	（1,4）
（2,1）	（2,2）	（2,3）	(2,4)
（3,1）	（3,2）	（3,3）	(3,4)
（4,1）	（4,2）	（1,3）	(4,4)

分析

• 红色圈内,当j=1时，总共只有1种印章，无论买多少个印章都必定可以凑齐，所以概率p=1
• 橙色圈内，当i<j时，购买买的印章数量少于印章的种类数，不可能凑齐，概率p=0

所以，只剩下绿色圈内的值未知，需要使用状态转移方程求出。

在求dp[i][j]时，需要思考它与dp数组中其他值的关系。由概率论相关知识可知，当求买m个印章，凑不齐(注意是凑不齐)n种印章的
概率时，买到的印章共有i^m 种结果，即分母为 i^m。分子则为$$\sum _{k=1}^{i-1}(C_i^k{k}^{m}dp[i][k])$$
而凑齐的概率则为（1-凑不齐的概率）
由此可以看出分子只与dp数组的某一行有关，所以其实只需要一维数组就可以了，一维数组的值代表凑齐n种印章的概率。(购买的印章数量固定不变)

以买4个印章凑齐n种为例：

所以购买m个印章，凑齐i种印章的概率dp[i] 为
$$dp[i]=\frac{{\sum }_{k=1}^{i-1}(C_i^k{k}^{m}dp[k])}{i^m}$$
具体代码如下：

#include<stdio.h>
#include<math.h>
double dp[22];//一维数组，dp[i]:买i张印章，凑齐n种印章的概率 
/*
为什么用一维数组？
因为在此解法所用的递推公式中， 
买m张印章，凑齐n种印章的概率只与买m张印章,凑齐n-1种,n-2种...1种 的概率有关 , 
与买x(x!=m)张印章凑齐y(y>=1)种印章的概率无关 
*/ 
long long c_fun(int n,int m)//求组合数C(n,m); 
{
	long i;
	long long ans_n=1,ans_m=1,ans_nm=1;
	for(i=2;i<=n;i++)
		ans_n=ans_n*i;
	for(i=2;i<=m;i++)
		ans_m=ans_m*i;
	for(i=2;i<=n-m;i++)
		ans_nm=ans_nm*i;
	return ans_n/(ans_m*ans_nm);
	
} 
double fun(int n,int m)//求解印章问题 
{
	int i,j;
	double t=0;
	dp[1]=1.0;//只需凑齐1种，必定可以凑齐 
	for(i=2;i<=n;i++)//循环,计算需凑齐2,3,4...n种的情况 
	{
		t=0;
		for(j=1;j<i;j++)// 
		{
			t=t+c_fun(i,j)*dp[j]*pow(j,m);//递推公式 
					
		}
		dp[i]=1-t/pow(i,m);
		//要用1去减，因为前面递推公式计算出来的是凑不齐的概率,dp数组存的是凑齐的概率 
	}
	return dp[n];//返回结果 
} 
int main()
{
	int n,m;
	scanf("%d%d",&n,&m);//共n种印章，买m张 
	fun(n,m);//求解 
	printf("%.4lf\n",dp[n]);//dp[n]即为结果 
	return 0;
}

另一种解法：使用二维数组，dp[i] [j]表示买 i 张凑齐 j 种印章的概率，具体请看另一篇博客蓝桥杯 算法训练 印章

总结：

对于动态规划最重要的就是画图填表，求递推方程。除此之外，通往罗马的路不止一条，对于一个问题，看问题的角度不同就会有不同的解法。