CTSC 2017 游戏[概率dp 线段树]
小 R 和室友小 B 在寝室里玩游戏。他们一共玩了 $n$ 局游戏,每局游戏的结果要么是小 R 获胜,要么是小 B 获胜。
第 $1$ 局游戏小 R 获胜的概率是 $p_1$,小 B 获胜的概率是 $1-p_1$。除了第一局游戏之外,每一局游戏小 R 获胜的概率与上一局游戏小 R 是否获胜有关。
具体来说:
- 如果第 $i-1\ (1< i\le n)$ 局游戏小 R 获胜,那么第 $i$ 局游戏小 R 获胜的概率为 $p_i$,小 B 获胜的概率为 $1-p_i$。
- 如果第 $i-1\ (1< i\le n)$ 局游戏小 B 获胜,那么第 $i$ 局游戏小 R 获胜的概率为 $q_i$,小 B 获胜的概率为 $1-q_i$。
小 D 时常过来看小 R 和小 B 玩游戏,因此他知道某几局游戏的结果。他想知道在他已知信息的条件下,小 R 在 $n$ 局游戏中获胜总局数的期望是多少。
小 D 记性不太好,有时他会回忆起某局游戏的结果,并把它加入到已知信息中;有时他会忘记之前某局游戏结果,并把它从已知信息中删除。你的任务是:每当小 D 在已知信息中增加或删除一条信息时,根据小 D 记得的已知信息,帮助小 D 计算小 R 在 $n$ 局游戏中获胜总局数的期望是多少。
需要注意的是:如果小 D 忘了一局游戏的结果,之后又重新记起,两次记忆中的游戏结果不一定是相同的。你不需要关心小 D 的记忆是否与实际情况相符,你只需要根据他的记忆计算相应的答案。
输入格式
第一行两个正整数 $n,m$ 和一个字符串 $type$。表示小 R 和小 B 一共玩了 $n$ 局游戏,小 D 一共进行了 $m$ 次修改已知信息的操作,该数据的类型为 $type$。$type$ 字符串是为了能让大家更方便地获得部分分,你可能不需要用到这个输入,其具体含义见限制与约定。
接下来 $n$ 行,第 $1$ 行包含一个实数 $p_1$,表示第一局比赛小R获胜的概率是 $p_1$。第 $i\ (1< i \le n)$ 行包含两个实数 $p_i,q_i$。表示在第 $i-1$ 局游戏小 R 获胜的情况下,第 $i$ 局游戏小 R 获胜的概率是 $p_i$;$q_i$ 表示在第 $i-1$ 局游戏小 B 获胜的情况下,第 $i$ 局游戏小 R 获胜的概率是 $q_i$。
接下来 $m$ 行,每行描述一个小 D 已知信息的变化,操作分为两类。
add i c
表示小 D 回忆起了第 $i$ 局比赛的结果,并把它加入到已知信息中。若 $c=0$ 表示第 $i$ 局比赛小 B 获胜,若 $c=1$ 表示第 $i$ 局比赛小 R 获胜。数据保证 $i,c$ 均为整数且 $1\le i \le n,0\le c \le 1$,如果这个操作不是第一个操作,保证在上一个操作结束后的已知信息中没有第 $i$ 局比赛的结果。del i
表示小 D 忘记了第 $i$ 局比赛的结果,并把它从已知信息中删除。数据保证 $i$ 是整数且 $1\le i \le n$,保证在上一个操作结束后的已知信息中有第 $i$ 局比赛的结果。
输出格式
对于每个操作,输出一行实数,表示操作结束后,在当前已知信息的条件下,小R在 $n$ 局游戏中总共获胜的局数的期望是多少。
样例一
input
3 3 A
0.3
0.5 0.2
0.9 0.8
add 1 1
add 3 0
del 1
output
2.350000
1.333333
0.432749
explanation
运用贝叶斯公式
第一问
$$p(x_2=1|x_1=1)=0.5,p(x_3=1|x_1=1)=0.5*0.9+0.5*0.8=0.85,E(x_1+x_2+x_3|x_1=1)=0.5+0.85+1=2.35$$
第二问
$$p(x_2=1|x_1=1,x_3=0)=\frac{p(x_3=0|x_1=1,x_2=1)p(x_2=1|x_3=0)}{p(x_3=0|x_1=1)} \approx 0.333,E(x_1+x_2+x_3|x_1=1,x_3=0) \approx 1.333$$
第三问
$$p(x_2=1|x_3=0)=\frac{p(x_3=0|x_2=1)p(x_2=1)}{p(x_3=0)}$$
其中
$$p(x_3=0|x_2=1)=0.1,p(x_2=1)=0.3*0.5+0.7*0.2=0.29,p(x_3=0)=0.29*0.1+0.71*0.2=0.171$$
所以
$$p(x_2=1|x_3=0)=0.1*0.29/0.171 \approx 0.16959$$
$$p(x_1=1|x_3=0)=\frac{p(x_3=0|x_1=1)p(x_1=1)}{p(x_3=0)}$$
其中
$$p(x_3=0|x_1=1)=0.5*0.1+0.5*0.2=0.15,p(x_1=1)=0.3,p(x_3=0)=0.171$$
所以
$$p(x_1=1|x_3=0)=0.15*0.3/0.171 \approx 0.26316$$
$$E(x_1+x_2+x_3|x_3=0) \approx 0.43275$$
样例二
见样例数据下载。
样例三
见样例数据下载。
评分标准
如果你的答案与正确答案的绝对误差在 $10^{-4}$ 以内,则被判定为正确。
如果你的所有答案均为正确,则得满分,否则得 0 分。
请注意输出格式:每行输出一个答案,答案只能为一个实数。每行的长度不得超过 50。错误输出格式会被判定为 0 分。
限制与约定
对于100%的数据,$1\le n\le 200000, 1\le m \le 200000,0 < p_i,q_i < 1$。
对于100%的数据,输入保留最多四位小数。
本题共有20个数据点,每个数据点5分,每个测试点的具体约定如下表:
测试点 | $n$ | $m$ | 数据类型 |
---|---|---|---|
1-2 | $\le 10$ | $\le 20$ | A |
3-4 | $\le 100$ | $\le 100$ | B |
5-6 | $\le 1000$ | $\le 5000$ | A |
7-9 | $\le 2000$ | $\le 5000$ | B |
10-13 | $\le 10000$ | $\le 200000$ | B |
14-15 | $\le 200000$ | $\le 200000$ | C |
16-17 | D | ||
18-20 | A |
数据类型的含义:
A:无限制
B:$\forall i > 1,|p_i-q_i| > 0.999$
C:同一时刻,小 D 最多只有 1 条已知信息
D:同一时刻,小 D 最多只有 5 条已知信息
时间限制:$1\texttt{s}$
空间限制:$512\texttt{MB}$
小R教你学数学
你可能会用到以下公式
条件概率的计算方法
我们记 $p(A|B)$ 表示在已知事件 $B$ 发生时事件 $A$ 发生的概率,条件概率可以用以下公式计算:
$$p(A|B)=\frac{p(AB)}{p(B)}$$
其中$p(AB)$表示事件 $B$ 和事件 $A$ 同时发生的概率,$p(B)$ 表示事件 $B$ 发生的概率。
贝叶斯公式(Bayes)
由条件概率的计算方法,我们容易得到贝叶斯公式
$$p(A|B)=\frac{p(B|A)p(A)}{p(B)}$$
全概率公式
如果随机变量 $x$ 有 $k$ 个取值,分别为 $x_1,x_2,\ldots,x_k$ 那么
$$p(A)=\sum_{i=1}^k p(A|x=x_i)p(x=x_i)$$
温馨提示
在本题中,如果你希望获得全部的分数,你可能需要考虑由于浮点数运算引入的误差。只使用加法和乘法运算不会引入太大的误差,但请谨慎使用减法和除法。
- 两个大小相近的数相减可以引入非常大的相对误差。
- 如果一个矩阵的行列式值非常小,那么求解该矩阵的逆可以带来相当大的误差。
当然,如果你的算法在数学上是正确的,但没有考虑浮点数运算的误差问题,可能仍然可以获得一部分的分数。
下载
【题解】
贝叶斯证明;
\[
\begin{align}
&bayes公式:\\
P(A|B)P(B) &= P(A\ \cap B) \Leftrightarrow P(A|B) = \frac{P(B|A)P(A)}{P(B)} \\
&P(x_i=1|x_l=a,x_r=b)(1\lt i \le r)\\
&=\frac{P(x_i=1,x_l=a,x_r=b)}{P(x_l=a,x_r=b)}\\
&=\frac{P(x_i=1,x_l=a,x_r=b)}{P(x_l=a)P(x_r=b|x_l=a)}\\
&=\frac{P(x_i=1,x_r=b|x_l=a)}{P(x_r=b|x_l=a)}\\
\end{align}
\]
【代码】
#include<map>
#include<cstdio>
#include<cstring>
#include<iostream>
#define fi first
using std::map;
const int N=2e5+;
int n,m;double ans,p[N],q[N];char opt[];
map<int,int>S;
map<int,int>::iterator it,nxt,pre;
struct Matrix{
double s[][];
Matrix(){memset(s,,sizeof s);}
Matrix operator +(const Matrix &a)const{
Matrix c;
for(int i=;i<;i++){
for(int j=;j<;j++){
c.s[i][j]=s[i][j]+a.s[i][j];
}
}
return c;
}
Matrix operator *(const Matrix &a)const{
Matrix c;
for(int i=;i<;i++){
for(int j=;j<;j++){
for(int k=;k<;k++){
c.s[i][j]+=s[i][k]*a.s[k][j];
}
}
}
return c;
}
};
struct data{Matrix mul,sum;}tr[N<<];
data operator +(const data &a,const data &b){
data c;
c.mul=a.mul*b.mul;
c.sum=a.mul*b.sum+a.sum*b.mul;
return c;
}
#define lch k<<1
#define rch k<<1|1
void build(int k,int l,int r){
if(l==r){
tr[k].mul.s[][]=-q[l];
tr[k].mul.s[][]=q[l];
tr[k].mul.s[][]=-p[l];
tr[k].mul.s[][]=p[l]; tr[k].sum.s[][]=q[l];
tr[k].sum.s[][]=p[l];
return ;
}
int mid=l+r>>;
build(lch,l,mid);
build(rch,mid+,r);
tr[k]=tr[lch]+tr[rch];
}
data query(int k,int l,int r,int x,int y){
if(l==x&&r==y) return tr[k];
int mid=l+r>>;
if(y<=mid) return query(lch,l,mid,x,y);
else if(x>mid) return query(rch,mid+,r,x,y);
else return query(lch,l,mid,x,mid)+query(rch,mid+,r,mid+,y);
}
double ask(int l,int r){
data tmp=query(,,n+,l+,r);
return tmp.sum.s[S[l]][S[r]]/tmp.mul.s[S[l]][S[r]];
}
int main(){
scanf("%d%d%*s%lf",&n,&m,&p[]);
for(int i=;i<=n;i++) scanf("%lf%lf",p+i,q+i);
p[]=q[]=;S[]=;S[n+]=;
build(,,n+);
ans=ask(,n+);
for(int i=m,x,y;i;i--){
scanf("%s%d",opt,&x);
if(opt[]=='a'){
scanf("%d",&y);S[x]=y;
it=S.lower_bound(x);
nxt=pre=it;pre--,nxt++;
ans+=ask(pre->fi,it->fi);
ans+=ask(it->fi,nxt->fi);
ans-=ask(pre->fi,nxt->fi);
}
else{
it=S.lower_bound(x);
nxt=pre=it;pre--,nxt++;
ans-=ask(pre->fi,it->fi);
ans-=ask(it->fi,nxt->fi);
ans+=ask(pre->fi,nxt->fi);
S.erase(it);
}
printf("%.10lf\n",ans);
}
return ;
}
CTSC 2017 游戏[概率dp 线段树]的更多相关文章
- [BZOJ5461][LOJ#2537[PKUWC2018]Minimax(概率DP+线段树合并)
还是没有弄清楚线段树合并的时间复杂度是怎么保证的,就当是$O(m\log n)$吧. 这题有一个显然的DP,dp[i][j]表示节点i的值为j的概率,转移时维护前缀后缀和,将4项加起来就好了. 这个感 ...
- LOJ2537. 「PKUWC2018」Minimax【概率DP+线段树合并】
LINK 思路 首先暴力\(n^2\)是很好想的,就是把当前节点概率按照权值大小做前缀和和后缀和然后对于每一个值直接在另一个子树里面算出贡献和就可以了,注意乘上选最大的概率是小于当前权值的部分,选最小 ...
- [tsA1490][2013中国国家集训队第二次作业]osu![概率dp+线段树+矩阵乘法]
这样的题解只能舔题解了,,,qaq 清橙资料里有.. #include <iostream> #include <cstdio> #include <cstdlib> ...
- ZOJ 3349 Special Subsequence 简单DP + 线段树
同 HDU 2836 只不过改成了求最长子串. DP+线段树单点修改+区间查最值. #include <cstdio> #include <cstring> #include ...
- hdu 3016 dp+线段树
Man Down Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Total S ...
- cf834D(dp+线段树区间最值,区间更新)
题目链接: http://codeforces.com/contest/834/problem/D 题意: 每个数字代表一种颜色, 一个区间的美丽度为其中颜色的种数, 给出一个有 n 个元素的数组, ...
- [JLOI2013]卡牌游戏 概率DP
[JLOI2013]卡牌游戏 概率DP 题面 \(dfs\)复杂度爆炸,考虑DP.发现决策时,我们只用关心当前玩家是从庄家数第几个玩家与当前抽到的牌是啥.于是设计状态\(f[i][j]\)表示有\(i ...
- Codeforces Round #620 F2. Animal Observation (hard version) (dp + 线段树)
Codeforces Round #620 F2. Animal Observation (hard version) (dp + 线段树) 题目链接 题意 给定一个nm的矩阵,每行取2k的矩阵,求总 ...
- 【BZOJ-2892&1171】强袭作战&大sz的游戏 权值线段树+单调队列+标记永久化+DP
2892: 强袭作战 Time Limit: 50 Sec Memory Limit: 512 MBSubmit: 45 Solved: 30[Submit][Status][Discuss] D ...
随机推荐
- 程序员不装x能行?先给登录来一个图形验证码!(canvas实现)
细心的同学可以发现,现在很多网站当登录多次之后就会出现一个图形验证码,或是当提交表单.或点击获取手机验证码等等场景都会有图形验证码的出现. 那么图形验证码是为了解决什么问题而出现的呢? 什么是图形验证 ...
- .NET Core解析DNS域名或主机名的方法
在.NET Core中我们可以用System.Net.Dns类来解析域名或主机名的IP地址,我们新建一个.NET Core控制台项目,写入下面代码: using System; using Syste ...
- 分布式事务:Saga模式
1 Saga相关概念 1987年普林斯顿大学的Hector Garcia-Molina和Kenneth Salem发表了一篇Paper Sagas,讲述的是如何处理long lived transac ...
- 封装axios,带请求头和响应头
import axios from "axios"; import qs from "qs"; //处理参数 import router from '../ro ...
- Springboot jpa多数据源
1.SpringBootApplication package com.xx.xxx; import org.springframework.beans.factory.annotation.Auto ...
- docker中安装及使用mysql
打算构造一个环境较全的linux环境,所以在本地弄了个docker.然后pull了一个centos的镜像,并打算在此镜像的基本上,构建适合自己的镜像.但在使用时,发现了各种问题,还是费了一些功夫.原因 ...
- RedHat 6 安装 MySQL 5.5 流程记录及相关问题解决方案
目录 1. RedHat 中 使用 yum 方式安装 MySQL 2. 安装过程中遇到的问题 1. RedHat 中 使用 yum 方式安装 MySQL 1.1 删除系统自带的 MySQL 5.1 r ...
- Java的常见术语(PO/POJO/VO/BO/DAO/DTO)
PO(persistant object) 持久对象在o/r 映射的时候出现的概念,如果没有o/r映射,就没有这个概念存在了.通常对应数据模型(数据库),本身还有部分业务逻辑的处理.可以看成是与数据库 ...
- 通用工业协议(CIP)形式化的安全分析(前期概念的梳理)
1.CIP的概念的梳理 CIP是为开放的现场总线DeviceNet ControlNet EtherNet/IP 网络提供公共的应用层和设备描述, CIP是基于对象的协议,使用生产者/消费者模型, ...
- Kubernetes YAML 文件全字段详解
Kubernetes YAML 文件全字段详解 Deployment yaml 其中主要参数都在podTemplate 中,DaemonSet StatefulSet 中的pod部分一样. apiVe ...