BZOJ1076 狀態壓縮DP 期望DP
大家都很強, 可與之共勉 。
[SCOI2008]獎勵關
Description
你正在玩你最喜歡的電子遊戲,並且剛剛進入一個獎勵關。在這個獎勵關裡,系統將依次隨機丟擲k次寶物,每次你都可以選擇吃或者不吃(必須在丟擲下一個寶物之前做出選擇,且現在決定不吃的寶物以後也不能再吃)。 寶物一共有n種,系統每次丟擲這n種寶物的概率都相同且相互獨立。也就是說,即使前k-1次系統都丟擲寶物1(這種情況是有可能出現的,儘管概率非常小),第k次丟擲各個寶物的概率依然均為1/n。 獲取第i種寶物將得到Pi分,但並不是每種寶物都是可以隨意獲取的。第i種寶物有一個前提寶物集合Si。只有當Si中所有寶物都至少吃過一次,才能吃第i種寶物(如果系統丟擲了一個目前不能吃的寶物,相當於白白的損失了一次機會)。注意,Pi可以是負數,但如果它是很多高分寶物的前提,損失短期利益而吃掉這個負分寶物將獲得更大的長期利益。 假設你採取最優策略,平均情況你一共能在獎勵關得到多少分值?
Input
第一行為兩個正整數k和n,即寶物的數量和種類。以下n行分別描述一種寶物,其中第一個整數代表分值,隨後的整數依次代表該寶物的各個前提寶物(各寶物編號為1到n),以0結尾。
Output
輸出一個實數,保留六位小數,即在最優策略下平均情況的得分。
Sample Input
1 2
1 0
2 0
Sample Output
1.500000
對於最優決策的題,一般都倒著做,因為正著做的話會有多個選擇。
這一步的期望=(上一步的期望+這一步的得分) / n
順推不好判斷當前狀態是否有效。(倒推是有效從有效推來,無效隨便,因為答案就是一個有效狀態;而順推則可能從無效推到有效。
令
那麼很顯然我們可以列出期望方程:
寶物丟擲後,可以吃也可以不吃。注意條件。
# include <bits/stdc++.h>
int p [105], s [105] ;
double dp [105] [( 1 << 15) | 1] ;
int main ( ) {
int n, k ;
scanf ( "%d%d", & k, & n ) ;
for ( int i = 1 ; i <= n ; ++ i ) {
scanf ( "%d", p + i ) ;
int x ;
while ( ~ scanf ( "%d", & x ) && x ) s [i] |= ( 1 << ( x - 1 ) ) ;
}
int lim = ( 1 << n ) ;
for ( int i = k ; i >= 1 ; -- i )
for ( int j = 0 ; j < lim ; ++ j ) {
for ( int l = 1 ; l <= n ; ++ l ) {
if ( ( s [l] & j ) == s [l] ) {
dp [i] [j] += std :: max ( dp [i + 1] [j], dp [i + 1] [j | ( 1 << ( l - 1 ) )] + p [l] ) ;
} else {
dp [i] [j] += dp [i + 1] [j] ;
}
}
dp [i] [j] /= n ;
}
return printf ( "%.6lf\n", dp [1] [0] ), 0 ;
}