把n个骰子扔在地上,所有骰子朝上一面的点数之和为S。输入n, 打印出S的所有可能的值出现的概率。

本文介绍了计算多个骰子投掷结果概率的三种方法:穷举法、递归法及循环法,并提供了具体实现代码,对比了不同方法的时间效率。

分析:本题可以采用“穷举法”和 “动态规划”两种思路解决。

1.穷举法的基本思想是根据题目的部分条件确定答案的大致范围,并在此范围内对所有可能的情况逐一验证,直到全部情况验证完毕 。
这里我们可以统计n个骰子朝上一面的点数和s的个数f(s),则其概率r(s)=f(s)/pow(6, n):

/*统计骰子点数和的组合数*/
void SumOfCount(int n, int left, int sum, int *arr)
{
    if (left== 0)//计算完n个骰子
    {
        ++(arr[sum]);//面点数之和次数加1
        return ;
    }
    for (int i = 1; i <= 6; ++i)//当前骰子顶面个数1~6
    {
        SumOfCount(n, left - 1, sum + i, arr);
    }
}

/*打印出S的所有可能的值出现的概率*/
void PrintProbability(int n)
{
    int length = 6 * n + 1;
    int *arr = new int[length];
    memset(arr, 0, length * sizeof(int));

    SumOfCount(n, n, 0, arr);

    for (int j = n; j < length; ++j)
    {
        printf("sum = %d, rate = %d \n", j, arr[j]);
    }

    delete[] arr;
    arr = NULL;
}

2.动态规划:设定n个骰子顶面点数之和s的组合数f(n,s), 则只考虑最后一个骰子的点数1~6,六种情况:
f(n-1,s-1) 最后一个骰子点数为1;
f(n-1,s-2) 最后一个骰子点数为2;
f(n-1,s-3) 最后一个骰子点数为3;
f(n-1,s-4) 最后一个骰子点数为4;
f(n-1,s-5) 最后一个骰子点数为5;
f(n-1,s-6) 最后一个骰子点数为6;
所以有:
f(n,s)=f(n-1,s-1)+f(n-1,s-2)+f(n-1,s-3)+f(n-1,s-4)+f(n-1,s-5)+f(n-1,s-6);
i, 采用递归方法(比较直接的)

//直接递归求n个骰子和为s的组合数
int GetSum(int n, int s)
{
    if (n == 1)//临界状态1,只有一个骰子
    {
        return (s > 0 && s <= 6) ? 1 : 0;
    }
    if (n == s)//临界状态2,n个骰子最小s=n
    {
        return 1;
    }
    if (n > s)//临界保护
    {
        return 0;
    }
    int sum = 0;
    for (int i = 1; i <= 6; ++i)
    {
        sum += GetSum(n - 1, s - i);
    }

    return sum;
}

void PrintProbabilityA(int n)
{
    for (int j = n; j < 6 * n + 1; ++j)
    {
        printf("sum = %d, rate = %d \n", j, GetSum(n, j));
    }
}

ii.采用循环方法

void PrintProbabilityB(int n)
{
    int length = 6 * n + 1;
    int *arr = new int[length];
    memset(arr, 0, length * sizeof(int));
    for (int i = 1; i <= 6; ++i)//骰子个数为1的情况;
    {
        arr[i] = 1;
    }
    int j, k;
    for (j = 2; j <= n; ++j)//骰子个数;
    {
        for (k = 6 * j; k >= j; --k)//骰子上面个数和;
        {
            arr[k] = 0;
            for (int m = 1; m <= 6 && k > m; ++m)
            {
                arr[k] += arr[k - m];
            }
        }

        arr[j - 1] = 0;
    }
    for (int j = n; j < length; ++j)
    {
        printf("sum = %d, rate = %d \n", j, arr[j]);
    }

    delete []arr;
    arr = NULL;
}

测试代码:

int _tmain(int argc, _TCHAR* argv[])
{
    //穷举法测试;
    clock_t start = clock();
    PrintProbability(10);
    printf("%d\n", clock() - start);
    //递归法测试;
    start = clock();
    PrintProbabilityA(10);
    printf("%d\n", clock() - start);
    //循环法测试;
    start = clock();
    PrintProbabilityB(10);
    printf("%d\n", clock() - start);

    return 0;
}

大致比较了一下,穷举法时间2242,递归法时间10081,循环法时间37.

### 算法分析:计算K个骰子投掷后红色点数之和为N且蓝色点数之和为M的可能性 在概率论中,几何概型虽然通常用于连续随机变量的问题,但对于离散随机变量(如骰子投掷),可以采用组合数学的方法进行分析[^1]。以下是对该问题的详细分析: #### 1. 问题定义 假设每个骰子都有两个面,一面为红色,另一面为蓝色。每个骰子点数范围为1到6。需要计算K个骰子投掷后,红色点数之和为N且蓝色点数之和为M的概率。 #### 2. 组合数学建模 对于K个骰子,每种可能的投掷结果都可以表示为一个长度为K的序列,其中每个元素对应一个骰子的红色或蓝色点数。假设红色点数为 \( r_i \) 蓝色点数为 \( b_i \),满足以下条件: - 每个骰子的红色点数蓝色点数独立选择。 - 所有红色点数之和为 \( N \)。 - 所有蓝色点数之和为 \( M \)。 - 每个骰子点数范围为1到6。 #### 3. 动态规划解法 可以使用动态规划来解决此问题。定义状态 \( dp[k][n][m] \) 表示前 \( k \) 个骰子中红色点数之和为 \( n \) 且蓝色点数之和为 \( m \) 的可能性数量。转移方程如下: ```python dp[k][n][m] = sum(dp[k-1][n-i][m-j] for i in range(1, 7) for j in range(1, 7)) ``` 其中 \( i \) 表示当前骰子的红色点数,\( j \) 表示当前骰子的蓝色点数。 初始条件: - 当 \( k = 0 \) 时,只有 \( n = 0 \) 且 \( m = 0 \) 的情况下可能性为1,其他情况为0。 最终答案为 \( dp[K][N][M] \)。 #### 4. 时间复杂度 动态规划的时间复杂度为 \( O(K \cdot N \cdot M \cdot 36) \),因为每个骰子有36种可能的红色蓝色点数组合。 #### 5. 示例代码 以下是一个实现上述算法的Python代码示例: ```python def dice_probability(K, N, M): # 初始化三维dp数组 dp = [[[0] * (M + 1) for _ in range(N + 1)] for _ in range(K + 1)] dp[0][0][0] = 1 # 初始条件 # 填充dp表 for k in range(1, K + 1): for n in range(N + 1): for m in range(M + 1): for i in range(1, 7): # 红色点数 if n < i: continue for j in range(1, 7): # 蓝色点数 if m < j: continue dp[k][n][m] += dp[k - 1][n - i][m - j] return dp[K][N][M] # 示例调用 K = 3 N = 9 M = 10 result = dice_probability(K, N, M) print(result) ```
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