#概率、数学期望#洛谷 1297 单选错位

本文介绍了一种基于模拟的方法来解决特定的概率期望问题。通过数学推导得出概率期望的计算公式,并利用C++实现了一个示例程序。该程序采用直接模拟的方式进行计算,包括随机数生成及概率期望累加。

题目


分析

那么这道题的概率期望应该是 ∑ m i n ( a , b ) a b = ∑ 1 m a x ( a , b ) \sum\frac{min(a,b)}{ab}=\sum\frac{1}{max(a,b)} abmin(a,b)=max(a,b)1
所以直接模拟就可以了


代码

#include <cstdio>
#define rr register
using namespace std;
typedef long long ll;
double ans;
inline ll max(ll a,ll b){return a>b?a:b;}
inline ll modd(ll x,ll mod){
    rr int f=1;
    if (x<0) x=-x,f=-f;
    if (x>=(mod<<4)) x=(x-(mod<<4))%mod;
    else {
        x-=(x>=(mod<<3)?(mod<<3):0);
        x-=(x>=(mod<<2)?(mod<<2):0);
        x-=(x>=(mod<<1)?(mod<<1):0);
        x-=(x>=(mod<<0)?(mod<<0):0);
    }
    return x*f;
}
signed main(){
    rr ll n,t1,t2,t3,now,ls,x;
    scanf("%lld%lld%lld%lld%lld",&n,&t1,&t2,&t3,&now); ls=now;
    while (--n){
        x=modd(ls*t1+t2,100000001);
        ans+=1.0/max(modd(x,t3)+1,modd(ls,t3)+1);
        ls=x;
    }
    ans+=1.0/max(modd(now,t3)+1,modd(ls,t3)+1);
    return !printf("%.3lf",ans);
}
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
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