(当时写这篇题解的时候,,,不知道为什么,,,写的非常冗杂,,,不想改了。。。)

题意:一张有n个点的图,其中每天第i个点到第j个点的边都有$P_{i, j}$的概率开放,每天可以选择走一步或者留在原地,求从1号点到n号点的最优期望值。
题解:
  $f(x)$表示从$x$出发,走到$n$的最优期望时间。因为在一个点x时,如果要选择后继节点,肯定要选$f$值越小的越好,因此考虑贪心的选择后继状态。$a_{i}$表示$f(x)$第$i$小的x。考虑分层DP,依次确定$a_{i}$的值,并同时维护$f$值。
  假设我们现在枚举到了第$i$层,那么对于任意一点$x$,只在$a_{1}...a_{i - 1} + x$里面选择后继状态,因为只有这样才能保证期望不变得更劣(如果要选择其他点作为后继的话,可以看做等到了那个点已经被加入$a$集合中再考虑作为后继,如果那个点加入$a$集合的时间还要比$x$慢,那肯定去那个点是会使得期望变大的,还不如不去)
  注意到如果一个点$x$已经被放入$a$集合,那么肯定不需要再更新它了,因为它的值已经求出来并且固定了。(其实感觉思路有点类似于dijkstra,都是用已经找到最短路的点来更新其他点,每多找到一个点的最优解,下次就多用这个点来更新其他点)
  对于第$i$层的最优点$a_{i}$,我们有:
  $$f(a_{i}) = 1 + \sum_{j = 1}^{i}(f(a_{j}) P_{a_{i}, a_{j}} \prod_{k = 1}^{j - 1}(1 - P_{a_{i},a_{k}}))$$
  当然这个式子对于其他点$x$也是成立的,只需要把所有的$a_{i}$都替换成$x$即可,注意要把$j == i$时的$a_{j}$也替换掉。于是替换完后再移下项,把$f(x)$都移到左边,式子就变为了:
  $$[1 - \prod_{k = 1}^{i - 1}(1 - P_{a_{i}, a_{k}})] f(x) = 1 + \sum_{j = 1}^{i - 1}(f(a_{j}) P_{x, a_{j}} \prod_{k = 1}^{j - 1}(1 - P_{x, a_{k}}))$$
  应该还是比较好理解的,因为只会选择$a$集合中的点,且在$a$数列中越靠前的越好,因此要优先考虑选靠前的$a_{j}$,对于一个$a_{j}$,只有$a_{1} ... a_{j - 1}$都走不到的时候才会选择它,因此它的贡献就是可以到它的概率*之前的点都不能到的概率。
  如果所有$a$集合中的点都到不了,我们还有保底的选项——留在原地,这个选择体现在第一个式子中的求和符号的上界为$a_{i}$自己,而在第二个式子中,这一部分已经被移项到了左侧。
  因此我们只需要按层DP,在每层内,选择$f$值最小的那个作为新点加入$a$集合,不断更新维护其他未确定点的$f$即可。、
  
  那么我们考虑怎么来实现这个东西。。。(实现细节)
  观察到式子中,$i$是从小到大枚举的,也就是说对于相邻的两层$i - 1, i$中的同一个点$x$,它们的$f(x)$所相差的仅仅只有式子中随着$i$增大而多出来的那部分。因此我们可以每次只算出增量,然后每次都与前面的累加,得到新的$f$值,这样就可以快速的算出$f$值。
  但是如果我们直接求$f$值,也就是把左边那坨系数除到右边去的话,就不太好累加,因此我们考虑将右边和左边分别储存,用$f$数组来存右边的值,$g$来存左边的系数,这样如果我们需要用到$f$的值,直接用$g$和$f$凑出真正的$f$值即可。
  但是考虑到等式右边有一个部分和等式左边是一样的:$\prod_{k = 1}^{j - 1}(1 - P_{x, a_{k}})$,因此如果我们令$g$表示这个,而不是左边那一整坨的话,就可以快速的得到左边需要的值。这样的话,要表示真正的$f$值只需要用$f$去除$(1 - g)$即可。
  方便起见,如果一个点$pos$即将被加入$a$集合,我们就把这个点真实的$f$值计算出来,以供后面的点使用。
  观察到对于每一层的$f$值,我们实际上只用到了$1...i - 1$层的值,因此我们在循环的开头就已经可以计算出$f$的大小了,所以我们只需要在循环的开头就把当前层要加入$a$集合的那个点,也就是把$f$值最小的那个点加入集合。
  然后再对于所有没有被加入$a$集合的点,处理下一层所需要的$f$值即可。
  因为下一次的$i - 1$相当于现在的$i$,而加入现在的$i$时,所需要用到的$g$值还停留在现在的$i - 1$,所以要先更新$f$,再更新$g$.
  更具体的来说,就是:
  对于$f(x)$,每次新增$f(a_{i})P_{x, a_{i}} \prod_{k = 1}^{i - 1}(1 - P_{x, a_{k}}) = f(a_{i})P_{x, a_{i}}g(x)$.
  对于$g(x)$,每次新乘$(1 - P_{x, a_{i}})$

 #include<bits/stdc++.h>
using namespace std;
#define R register int
#define AC 1100
#define db double int n, p[AC][AC];
double f[AC], g[AC];
bool z[AC]; inline int read()
{
int x = ;char c = getchar();
while(c > '' || c < '') c = getchar();
while(c >= '' && c <= '') x = x * + c - '', c = getchar();
return x;
} void pre()
{
n = read();
for(R i = ; i <= n; i ++)
for(R j = ; j <= n; j ++) p[i][j] = read();
for(R i = ; i < n; i ++) f[i] = g[i] = ;//f[n], g[n] = 0
} void work()
{
for(R i = ; i <= n; i ++)//枚举层数
{//因为已经存下了前缀和,所以就不需要存a_i了
double maxn = 1e18; int pos = ;
for(R j = ; j <= n; j ++)
if(!z[j] && g[j] < && f[j] / ( - g[j]) < maxn)
maxn = f[j] / ( - g[j]), pos = j;
if(!pos) break;//因为pos的f已经被确定下来了,所以这时就可以把(1 - g[pos])除过去了
z[pos] = , f[pos] /= ( - g[pos]);
for(R j = ; j <= n; j ++)
if(!z[j])
{
f[j] += g[j] * f[pos] * ((db) p[j][pos] / );
g[j] *= (db) ( - p[j][pos]) / ;
}
}
printf("%.10lf", f[]);
} int main()
{
// freopen("in.in", "r", stdin);
pre();
work();
// fclose(stdin);
return ;
}

CF605E Intergalaxy Trips 贪心 概率期望的更多相关文章

  1. CF605E Intergalaxy Trips

    CF605E Intergalaxy Trips 考虑你是不知道后来的边的出现情况的,所以可以这样做:每天你都选择一些点进行观察,知道某天往这些点里面的某条边可用了,你就往这条边走.这样贪心总是对的. ...

  2. CF623D birthday 贪心 概率期望

    题意:n个人,玩抓人游戏,每抓住一个人都要猜这个人是谁.对于每一局,第i个人有$p_{i}$的概率被抓到.游戏结束当且仅当每个人都在某局中被抓到并且猜中自己的名字,求一个合适的策略来使得期望游戏局数最 ...

  3. luoguP3232 [HNOI2013]游走 贪心 + 概率期望 + 高斯消元

    首先,题目中的无向简单连通图代表着没有自环,重边... 总分的期望 = 每条边的期望之和...................每条边的期望又可以拆成$u \to v$的期望和$v \to u$的期望 ...

  4. Intergalaxy Trips CodeForces - 605E (期望,dijkstra)

    大意: 给定矩阵$p$, $p_{i,j}$表示每一秒点$i$到点$j$有一条边的概率, 每秒钟可以走一条边, 或者停留在原地, 求最优决策下从$1$到$n$的期望用时. $f_x$为从$x$到$n$ ...

  5. Codeforces 912D Fishs ( 贪心 && 概率期望 && 优先队列 )

    题意 : 给出一个 N * M 的网格,然后给你 K 条鱼给你放置,现有规格为 r * r 的渔网,问你如果渔网随意放置去捕捞小鱼的情况下,捕到的最大期望值是多少? 分析 :  有一个很直观的想法就是 ...

  6. 【CF605E】Intergalaxy Trips(贪心,动态规划)

    [CF605E]Intergalaxy Trips(贪心,动态规划) 题面 Codeforces 洛谷 有\(n\)个点,每个时刻第\(i\)个点和第\(j\)个点之间有\(p_{ij}\)的概率存在 ...

  7. CF#335 Intergalaxy Trips

     Intergalaxy Trips time limit per test 2 seconds memory limit per test 256 megabytes input standard ...

  8. CodeForces 605 E. Intergalaxy Trips

    E. Intergalaxy Trips time limit per test:2 seconds memory limit per test:256 megabytes input:standar ...

  9. 【BZOJ3143】【HNOI2013】游走 && 【BZOJ3270】博物馆 【高斯消元+概率期望】

    刚学完 高斯消元,我们来做几道题吧! T1:[BZOJ3143][HNOI2013]游走 Description 一个无向连通图,顶点从1编号到N,边从1编号到M. 小Z在该图上进行随机游走,初始时小 ...

随机推荐

  1. springmvc @Valid 接收实体类时出现bean为null的问题

    这是因为传到后端之后,全部以全小写形式处理了 所以前端也需要把name设置为全小写,否则后端不识别,导致接收不到,导致为null

  2. 学习笔记之shell命令

    linux shell命令学习笔记:~这里只是对自己一些常用但是不熟悉的的命令进行记录 -------------------------------------------------------- ...

  3. TW实习日记:第七天

    今天早上,将项目的两个企业微信接口:登录和应用消息发送接口,做了最后的收尾工作,把目前我能解决的问题算是基本都解决了.早上还开了一个会,大意是组长封装了许多组件叫我们使用,在不断的使用中打磨组件的可用 ...

  4. java基础学习总结--开篇

    春去秋来,转眼间,参加工作快2年了.本来应该是3年,然在毕业的第一年,有试着从事过其他行业.最终结果是失败了.2016年又回来从事软件开发,转眼即将2年,在这期间有许多收获,当然也有彷徨迷茫的时候,人 ...

  5. IDEA 创建Spring Boot 项目

    一.准备环境 配置Maven,打开设置页面File - Setting,快捷键Ctrl + Alt + S,找到Maven,默认是IDEA 自带的插件,User setting file 配置文件默认 ...

  6. kubeadm构建k8s之Prometheus-operated监控(0.18.1)

    介绍: 大家好,k8s的搭建有许多方式,也有许多快速部署的,为了简化部署的复杂度,官方也提供了开源的kubeadm快速部署,最新1.10.x版本已经可以实现部署集群, 如果你对k8s的原理已经非常了解 ...

  7. 【python】详解time模块功能asctime、localtime、mktime、sleep、strptime、strftime、time等函数以及时间的加减运算

    在Python中,与时间处理相关的模块有:time.datetime以及calendar.学会计算时间,对程序的调优非常重要,可以在程序中狂打时间戳,来具体判断程序中哪一块耗时最多,从而找到程序调优的 ...

  8. C语言—单链表

    单链表操作:读取,插入和删除 #include "stdafx.h" #include <string.h> #include <stdio.h> #inc ...

  9. ES6的新特性(7)——函数的扩展

    函数的扩展 函数参数的默认值 基本用法 ES6 之前,不能直接为函数的参数指定默认值,只能采用变通的方法. function log(x, y) { y = y || 'World'; console ...

  10. 面对30页左右的运放数据手册datasheet,你需要知道如何看懂

    1.输入失调电压(Input Offset Voltage) VOS    若将运放的两个输入端接地,理想运放输出为零,但实际运放输出不为零.此时,用输出电压除以增益得到的等效输入电压称为输入失调电压 ...