Luogu 2059 [JLOI2013]卡牌游戏 - 概率DP

本文详细介绍了一种基于博弈论的编程解题方法,通过设定状态$F[i][j]$来表示剩余$i$个人时第$j$个人的胜率,巧妙地解决了复杂的人际竞争问题。文章提供了完整的代码实现,并通过实例解释了状态转移的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Solution

设状态 $F[i][j] $为 还剩余 $i$ 个人时, 第 $j$ 个人 的胜率。

边界: $F[1][1] = 1$(只剩下一个人了)。

这样设置状态就能使 $i-1$ 个人的答案 转移到 $i$ 个人的答案上。

最后输出 $F[N][i]$ 。

 

状态转移: 

1 int tmp = (a[k] - 1) % i + 1;
2 if (tmp == j)
3 continue;                
4 tmp = j - tmp;
5 tmp = (tmp % i + i) % i;
6 f[i][j] += 1.0 / m * f[i - 1][tmp];

 

Code

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<algorithm>
 4 #define rd read()
 5 #define db double
 6 using namespace std;
 7 
 8 const int N = 55;
 9 
10 int n, m, a[N];
11 
12 db f[N][N];
13 
14 int read() {
15     int X = 0, p = 1; char c = getchar();
16     for (; c > '9' || c < '0'; c = getchar())
17         if (c == '-') p = -1;
18     for (; c >= '0' && c <= '9'; c = getchar())
19         X = X * 10 + c - '0';
20     return X * p;
21 }
22 
23 int main()
24 {
25     n = rd; m = rd;
26     for (int i = 1; i <= m; ++i)
27         a[i] = rd;
28     f[1][1] = 1;
29     for (int i = 2; i <= n; ++i)
30         for (int j = 1; j <= i; ++j)
31             for (int k = 1; k <= m; ++k) {
32                 int tmp = (a[k] - 1) % i + 1;
33                 if (tmp == j)
34                     continue;
35                 tmp = j - tmp;
36                 tmp = (tmp % i + i) % i;
37                 f[i][j] += 1.0 / m * f[i - 1][tmp];
38             }
39     printf("%.2lf%%", f[n][1] * 100);
40     for (int i = 2; i <= n; ++i)
41         printf(" %.2lf%%", f[n][i] * 100);
42     putchar('\n');
43 }
View Code

 

转载于:https://www.cnblogs.com/cychester/p/9723363.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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