POJ 2151 Check the difficulty of problems(概率)

本文介绍了一种计算ACM比赛中,K个队伍参赛时,所有队伍至少解决一道题目且最多解决m题的队伍的概率的方法。通过计算每个队伍解决j题的概率,使用动态规划更新状态,最终得出目标概率。
部署运行你感兴趣的模型镜像

题目链接:http://poj.org/problem?id=2151

题意:K个队伍参加ACM比赛,有n道题。Pij表示第i个队伍AC第j道题的概率。有所有队伍都通过至少一题且过题最多的队伍过题数大于等于m的概率。

思路:首先对于每个队伍计算f[i][j]表示前i道题AC了j道 的概率,然后用这个数组更新dp[i][j][k],前i个队伍,过题数最少为j最多为k的概率。


int n,m,K;
double f[35][35],dp[2][35][35],p[35];


int main()
{
    Rush(n,K,m)
    {
        if(!n&&!m&&!K) break;
        int i,j,k,t,pre=0,cur=1;
        FOR1(k,K)
        {
            FOR1(i,n) RD(p[i]);
            clr(f,0); f[0][0]=1;
            FOR1(i,n) FOR0(j,n+1)
            {
                f[i][j]=f[i-1][j]*(1-p[i]);
                if(j>0) f[i][j]+=f[i-1][j-1]*p[i];
            }
            clr(dp[cur],0);
            if(k==1)
            {
                FOR0(i,n+1) dp[cur][i][i]=f[n][i];
            }
            else
            {
                FOR0(i,n+1) FOR0(j,n+1) for(t=j;t<=n;t++)
                {
                    dp[cur][min(i,j)][max(t,i)]+=dp[pre][j][t]*f[n][i];
                }
            }
            pre^=1;
            cur^=1;
        }
        double ans=0;
        for(i=1;i<=n;i++) for(j=m;j<=n;j++) ans+=dp[pre][i][j];
        PR(ans);
    }
    return 0;
}

  

您可能感兴趣的与本文相关的镜像

Anything-LLM

Anything-LLM

AI应用

AnythingLLM是一个全栈应用程序,可以使用商用或开源的LLM/嵌入器/语义向量数据库模型,帮助用户在本地或云端搭建个性化的聊天机器人系统,且无需复杂设置

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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