一次面试的题目

最新推荐文章于 2022-08-17 17:07:23 发布

佐理慧

最新推荐文章于 2022-08-17 17:07:23 发布

阅读量561

点赞数

分类专栏：组合数学

本文链接：https://blog.csdn.net/zlh_hhhh/article/details/82598264

版权

组合数学专栏收录该内容

23 篇文章 0 订阅

订阅专栏

这道题目是：

有一个蚂蚁，从节点1出发，走到节点5结束。在节点2，3，4都有0.5概率向前，0.5概率后退。蚂蚁在节点1必然前进。求蚂蚁走到第5个节点所用步数的期望或者期望近似值：

开始的时候没有思路，但是把蚂蚁前进看作+1，后退看作-1 以为跟卡特兰数有关。也是拼命的变换。毫无进展。
不过转换一下思路，考虑枚举状态转移，令 $P[k,t]$ 表示走t步到达k节点的概率。
那么 $P[k,t]$ 与 $P[k\pm1,t']$ 有关。那么写出所有的转移：

P [1, t] = 1 2 P [2, t - 1] P [2, t] = P [1, t - 1] + 1 2 P [3, t - 1] P [3, t] = 1 2 (P [2, t - 1] + P [4, t - 1]) P [4, t] = 1 2 P (3, t - 1) P [5, t] = 1 2 p (4, t - 1)

$P[1,t]=\frac{1}{2}P[2,t-1]\\P[2,t]=P[1,t-1]+\frac{1}{2}P[3,t-1]\\P[3,t]=\frac{1}{2}(P[2,t-1]+P[4,t-1])\\P[4,t]=\frac{1}{2}P(3,t-1)\\P[5,t]=\frac{1}{2}p(4,t-1)$
显然可以矩阵地推。配合快速幂，计算近似值并不难：

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 01000 0.5 0 0.5 00 0 0.5 0 0.5 0 00 0.5 0 0.5 00000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ P [1, t - 1] P [2, t - 1] P [3, t - 1] P [4, t - 1] P [5, t - 1] ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ P [1, t] P [2, t] P [3, t] P [4, t] P [5, t] ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$\left[ \begin{matrix} 0 & 0.5 & 0&0&0 \\ 1 & 0 & 0.5&0&0 \\ 0 & 0.5 & 0&0.5&0 \\ 0 & 0 & 0.5&0&0 \\ 0 & 0 & 0&0.5&0 \\ \end{matrix} \right] \left[ \begin{matrix} P[1,t-1] \\ P[2,t-1]\\ P[3,t-1]\\ P[4,t-1]\\ P[5,t-1]\\ \end{matrix} \right] = \left[ \begin{matrix} P[1,t] \\ P[2,t]\\ P[3,t]\\ P[4,t]\\ P[5,t]\\ \end{matrix} \right]$

令

A = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 01000 0.5 0 0.5 00 0 0.5 0 0.5 0 00 0.5 0 0.5 00000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$A= \left[ \begin{matrix} 0 & 0.5 & 0&0&0 \\ 1 & 0 & 0.5&0&0 \\ 0 & 0.5 & 0&0.5&0 \\ 0 & 0 & 0.5&0&0 \\ 0 & 0 & 0&0.5&0 \\ \end{matrix} \right]$
更进一步，如果不计算精确值，而是准确值，那么答案就是计算：

(\sum k > = 0 A k k) ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ P [1, 0] P [2, 0] P [3, 0] P [4, 0] P [5, 0] ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ = (\sum k > = 0 A k k) ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 10000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$\Big(\sum_{k>=0}A^kk\Big) \left[ \begin{matrix} P[1,0] \\ P[2,0]\\ P[3,0]\\ P[4,0]\\ P[5,0]\\ \end{matrix} \right] =\Big(\sum_{k>=0}A^kk\Big) \left[ \begin{matrix} 1 \\ 0\\ 0\\ 0\\ 0\\ \end{matrix} \right]$
令

λ1,λ2,λ3,λ4,λ5 λ 1 , λ 2 , λ 3 , λ 4 , λ 5 $\lambda_1,\lambda_2,\lambda_3,\lambda_4,\lambda_5$ 为矩阵A的特征值。
虽然现在还不知道具体特征，但可以肯定：

λ i \in (- 1, 1)

$\lambda_i\in(-1,1)$
这是因为期望必然是收敛的（直觉，不过这个也很显然好吧）。
那么令：

A = P - B P

$A=P^-BP\\$

B = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ λ 1 0000 0 λ 2 000 00 λ 3 00 000 λ 4 0 0000 λ 5 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$\\B= \left[ \begin{matrix} \lambda_1 & 0 & 0&0&0 \\ 0 & \lambda_2& 0&0&0 \\ 0 & 0 & \lambda_3&0&0 \\ 0 & 0 & 0&\lambda_4&0 \\ 0 & 0 & 0&0&\lambda_5 \\ \end{matrix} \right]$
则：

(\sum k > = 0 A k k) = (\sum k > = 0 P - B k P k) = P - (\sum k > = 0 B k k) P

$\Big(\sum_{k>=0}A^kk\Big) =\Big(\sum_{k>=0}P^-B^kPk\Big)=P^-\Big(\sum_{k>=0}B^kk\Big)P$

进一步：

\sum k > = 0 B k k = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ \sum λ k 1 k 0000 0 \sum λ k 2 k 000 00 \sum λ k 3 k 00 000 \sum λ k 4 k 0 0000 \sum λ k 5 k ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$\sum_{k>=0}B^kk= \left[ \begin{matrix} \sum\lambda_1^kk & 0 & 0&0&0 \\ 0 & \sum \lambda_2^kk& 0&0&0 \\ 0 & 0 & \sum \lambda_3^kk&0&0 \\ 0 & 0 & 0& \sum\lambda_4^kk&0 \\ 0 & 0 & 0&0& \sum\lambda_5^kk \\ \end{matrix} \right]$
对于这个和式：

\sum k > = 0 λ k k = lim n - > \infty \sum k = 0 n λ k k

$\sum_{k>=0}\lambda^kk=\lim_{n->\infty}\sum_{k=0}^n\lambda^kk$

(1 - λ) \sum k = 0 n λ k k = \sum k = 0 n λ k k - \sum k = 0 n λ k + 1 k = \sum k = 0 n λ k k - \sum k = 1 n + 1 λ k (k - 1) = \sum k = 1 n λ k - λ n + 1 n = λ - λ n + 1 1 - λ - λ n + 1 n

$(1-\lambda)\sum_{k=0}^n\lambda^kk=\sum_{k=0}^n\lambda^kk-\sum_{k=0}^{n}\lambda^{k+1}k\\=\sum_{k=0}^n\lambda^kk-\sum_{k=1}^{n+1}\lambda^k(k-1)\\=\sum_{k=1}^{n}\lambda^k-\lambda^{n+1}n\\=\frac{\lambda-\lambda^{n+1}}{1-\lambda}-\lambda^{n+1}n$
则：

\sum k = 0 n λ k k = λ - λ n + 1 ( 1 - λ ) 2 - λ n + 1 n 1 - λ

$\sum_{k=0}^n\lambda^kk=\frac{\lambda-\lambda^{n+1}}{(1-\lambda)^2}-\frac{\lambda^{n+1}n}{1-\lambda}$
由于

|λ|<1 | λ | < 1 $|\lambda|<1$ 则：

\sum k > = 0 λ k k = lim n - > \infty \sum k = 0 n λ k k = lim n - > \infty λ - λ n + 1 ( 1 - λ ) 2 - λ n + 1 n 1 - λ = λ ( 1 - λ ) 2

$\sum_{k>=0}\lambda^kk=\lim_{n->\infty}\sum_{k=0}^n\lambda^kk\\=\lim_{n->\infty}\frac{\lambda-\lambda^{n+1}}{(1-\lambda)^2}-\frac{\lambda^{n+1}n}{1-\lambda}=\frac{\lambda}{(1-\lambda)^2}$
如果你不相信，我们可以检验一下，从另一个方向计算：

λ ( 1 - λ ) 2 = 1 - ( 1 - λ ) ( 1 - λ ) 2 = 1 ( 1 - λ ) 2 - 1 1 - λ

$\frac{\lambda}{(1-\lambda)^2}=\frac{1-(1-\lambda)}{(1-\lambda)^2}\\=\frac{1}{(1-\lambda)^2}-\frac{1}{1-\lambda}$

1 ( 1 - λ ) 2 = \sum k > = 0 λ k (- 2 λ) = \sum k > = 0 λ k (k + 1) 1 1 - λ = \sum k > = 0 λ k (- 1 k) = \sum k > = 0 λ k

$\frac{1}{(1-\lambda)^2}=\sum_{k>=0}\lambda^k\binom{-2}{\lambda}=\sum_{k>=0}\lambda^k(k+1)\\\frac{1}{1-\lambda}=\sum_{k>=0}\lambda^k\binom{-1}{k}=\sum_{k>=0}\lambda^k$
最终可以反推回原式子
这也就是说：

\sum k > = 0 B k k = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ (λ 1 1 - λ 1) 2 0000 0 (λ 2 1 - λ 2) 2 000 00 (λ 3 1 - λ 3) 2 00 000 (λ 4 1 - λ 4) 2 0 0000 (λ 5 1 - λ 5) 2 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ = C

$\sum_{k>=0}B^kk= \left[ \begin{matrix} \Big(\frac{\lambda_1}{1-\lambda_1}\Big)^2 & 0 & 0&0&0 \\ 0 & \Big(\frac{\lambda_2}{1-\lambda_2}\Big)^2& 0&0&0 \\ 0 & 0 & \Big(\frac{\lambda_3}{1-\lambda_3}\Big)^2&0&0 \\ 0 & 0 & 0& \Big(\frac{\lambda_4}{1-\lambda_4}\Big)^2&0 \\ 0 & 0 & 0&0& \Big(\frac{\lambda_5}{1-\lambda_5}\Big)^2 \\ \end{matrix} \right]=C$
最终得到答案：

(\sum k > = 0 A k k) ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 10000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ = P - C P ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 10000 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥

$\Big(\sum_{k>=0}A^kk\Big) \left[ \begin{matrix} 1 \\ 0\\ 0\\ 0\\ 0\\ \end{matrix} \right]=P^-CP \left[ \begin{matrix} 1 \\ 0\\ 0\\ 0\\ 0\\ \end{matrix} \right]$

不想手算，当然也有计算特征值和特征向量的算法。但我还不会，不过面式是可以百度的，于是我们在线计算这个矩阵的特征值：
特征值1： $0.9239$
特征值2： $0.3827$
特征值3： $0.0000$
特征值4： $-0.3827$
特征值5： $-0.9239$
对于的特征向量：

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ 0.3734 0.6900 0.5281 0.2858 0.1547 - 0.2792 - 0.2137 0.3948 0.5159 0.6740 0.0000 0.0000 - 0.0000 - 0.0000 1.0000 0.2792 - 0.2137 - 0.3948 0.5159 - 0.6740 0.3734 - 0.6900 0.5281 - 0.2858 0.1547 ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ = P

$\left[ \begin{matrix} 0.3734 & -0.2792 & 0.0000 & 0.2792 & 0.3734\\ 0.6900 & -0.2137 & 0.0000 & -0.2137& -0.6900\\ 0.5281 & 0.3948 & -0.0000 & -0.3948 & 0.5281 \\ 0.2858 & 0.5159 & -0.0000 & 0.5159 & -0.2858 \\ 0.1547 & 0.6740 & 1.0000 & -0.6740 & 0.1547 \\ \end{matrix} \right]=P$
简单的矩阵求逆，便可以计算答案。

佐理慧

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
一次面试的题目

这道题目是：有一个蚂蚁，从节点0出发，走到节点4结束。在节点1，2，3都有0.5改了向前，0.5概率后退。蚂蚁在节点1必然前进。求蚂蚁走到第四个节点期望或者近似值：开始的时候没有思路，但是把蚂蚁前进看作+1，后退看作-1 以为跟卡特兰数有关。也是拼命的变换。毫无进展。不过转换一下思路，考虑枚举状态转移，令P[k,t]P[k,t]P[k,t]表示走k步到达t节点的概率。那么 P[k,...
复制链接

扫一扫