(LightOJ - 1038)Race to 1 Again(概率DP)

这篇博客主要讨论了Raceto1Again-LightOJ1038-VirtualJudge问题的解决方案。内容涉及数学期望在解决因子问题中的应用,通过分析数的因子来计算它变成1所需步骤的期望次数。博主提供了详细的代码实现,解释了如何处理因子个数和期望值的关系,并给出了实例验证。

题目链接:Race to 1 Again - LightOJ 1038 - Virtual Judge (ppsucxtt.cn)

题意:给你个数n,然后随机选择n的一个因子,然后n除以其因子,求n变成1的次数的期望。

题目的分析我写在了一张纸上:

 知道了这个之后我们就可以用n的因子来求出n的期望,注意一些细节,比如我们要求的不是因子的个数,而是因子的个数减一,下面是代码:

#include<cstdio>
#include<cstring>
#include<algorithm>
#include<iostream>
#include<queue>
#include<cmath>
using namespace std;
const int N=1e5+10;
double ans[N];
int main()
{
	int T;
	cin>>T;
	for(int i=2;i<=N;i++)
	{
		int p=-1;
		double sum=0;
		int len=sqrt(i);
		for(int j=1;j<=len;j++)
		{
			if(i%j==0)
			{
				p++;
				sum+=ans[j]+1;
				if(i/j!=j)
				{
					p++;
					sum+=ans[i/j]+1;//当i/j等于i时,ans[i/j]=0,相当于没
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值