【BZOJ2318】Spoj4060 game with probability Problem 概率

本文解析了一道BZOJ2318博弈问题,通过建立递推方程,讨论了不同情况下投掷硬币的概率选择,并采用限制最大轮数的方法解决大数据输入下的计算问题。

【BZOJ2318】Spoj4060 game with probability Problem

Description

Alice和Bob在玩一个游戏。有n个石子在这里,Alice和Bob轮流投掷硬币,如果正面朝上,则从n个石子中取出一个石子,否则不做任何事。取到最后一颗石子的人胜利。Alice在投掷硬币时有p的概率投掷出他想投的一面,同样,Bob有q的概率投掷出他相投的一面。

现在Alice先手投掷硬币,假设他们都想赢得游戏,问你Alice胜利的概率为多少。

Input

第一行一个正整数t,表示数据组数。

对于每组数据,一行三个数n,p,q。

Output

对于每组数据输出一行一个实数,表示Alice胜利的概率,保留6位小数。

Sample Input

1
1 0.5 0.5

Sample Output

0.666667

HINT

数据范围:

1<=t<=50

0.5<=p,q<=0.99999999

对于100%的数据 1<=n<=99999999

题解:设f[i]表示轮到A投时A的胜率,g[i]表示轮到B投时A的胜率,x表示A投正面的概率,y表示B投正面的概率。

先得出朴素方程:

f[i]=g[i]*(1-x)+g[i-1]*x

g[i]=f[i]*(1-y)+f[i-1]*y

解方程,得

f[i]=(x*g[i-1]+(1-x)*y*f[i-1])/(1-(1-x)*(1-y));
g[i]=(y*f[i-1]+(1-y)*x*g[i-1])/(1-(1-x)*(1-y));

然后容易看出,当f[i-1]<g[i-1]时,x=p,y=q最优,当f[i-1]>g[i-1]时,x=1-p,y=1-q最优

然而n太大了怎么办?我们有黑科技!

当n足够大时f[n]和g[n]一定会稳定在某个值附近,于是我们令n=min(n,1000)就好了

 

#include <cstdio>
#include <iostream>
using namespace std;
int n;
double f[1010],g[1010],p,q,x,y;
int main()
{
    int t,n,i;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d%lf%lf",&n,&p,&q);
        n=min(n,1000);
        f[0]=0,g[0]=1;
        for(i=1;i<=n;i++)
        {
            if(f[i-1]>g[i-1])    x=1-p,y=1-q;
            else    x=p,y=q;
            f[i]=(x*g[i-1]+(1-x)*y*f[i-1])/(1-(1-x)*(1-y));
            g[i]=(y*f[i-1]+(1-y)*x*g[i-1])/(1-(1-x)*(1-y));
        }
        printf("%.6f\n",f[n]);
    }
    return 0;
}

转载于:https://www.cnblogs.com/CQzhangyu/p/6208699.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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