小C比较棘手的概率期望题,感觉以后这样的题还会贴几道出来。

Description

  给定一个n*n的邻接矩阵,邻接矩阵中元素pi,j表示的是从 i 到 j 这条单向道路在这一秒出现的概率百分比,走一条道路的时间需要1秒,问从1号点出发到n号点最短所需花费时间的期望。最短所需花费时间即在每一个点都按照最优决策移动。

Input

  第一行一个正整数n。接下来n行,每行n个整数,描述一个邻接矩阵。

Output

  输出一行一个小数,表示最短花费时间期望。你的答案和标准答案相差的绝对值不超过10^-6时,被视为正确答案。

Sample Input

  3
  100 50 50
  0 100 80
  0 0 100

Sample Output

  1.75000000000

HINT

  1<=n<=1000,0<=pi,j<=100。

Solution

  这道题有两个难点:

  一是怎么处理反复做这件事的概率,因为道路不是100%存在,所以有极小的概率永远走不到下一个点;

  二是怎么处理DP的顺序,概率DP的做法很显然,但这张图不是一张拓扑图(后面会讲到就算是拓扑图也不是按照拓扑序转移)。

  曾经有一位贤者说过,“计算概率要正着算,计算期望要倒着算”。

  姑且不论这句话的片面性,小C把这句话作为导语。

  所以终点的期望值肯定是0,然后一步步推到起点。

  为了解决第一个难点,首先我们考虑一下这样的情况:

  假设现在要计算期望f的点为x,它可以到达的点为e[1]~e[cnt],到达这些点的路出现的概率为p[1]~p[cnt]。

  而且e[1]~e[cnt]到达终点的期望f都是已知的。

  所以我们把e[1]~e[cnt]按照期望f从小到大排序,设排序后的数组为e'。

  由于最小花费要求我们总是向着最优策略移动,所以当有路径通向e'[1]时,往e'[1]走肯定是最优的。

  而通向e'[1]的路没出现时,我们就必须往e'[2]走。同理当e'[1]~e'[cnt-1]都没出现时,就必须往e'[cnt]走。

  然而当e'[1]~e'[cnt]都没出现时,我们就必须原地等待一秒,继续重复上面的操作。

  所以我们也就得到了求得f[x]的转移方程:

    

  把1提出来,得到:

    

  移项然后除过去,得:

    

  是不是很简单?

  但是你可能会有疑问,为什么x是从e'[1]~e'[cnt]转移,万一f[e'[cnt]]很大怎么办?是不是只转移到e'[cnt-1]甚至更早就够了?

  这就涉及到了第二个难点,关于转移顺序的问题。

  我们发现这样求最短路期望其实和求最短路没有什么两样。

  对于所有的f[x],我们首先可以明确它是一个定值,所以每个f[x]都是从比f[x]小的期望f转移得来;

  如果遇到比f[x]大的期望,那还不如原地等待一秒来的优呢!(其实就是从自己转移,请读者大约脑补一下)

  所以我们可以像dijkstra那样从小到大求出最短路期望。

  也就是每次选出当前未确定最短路期望的最小值,用这个最小值继续更新其他未确定的点。

  这个当前选出的最小值一定就是这个点的最短路径期望,因为比它f[x]大的期望一定不会更新f[x]。

  所以我们得出,依次求得的最短路径期望是递增的,其实这就是dijkstra算法本身的证明思路。

  于是这两个难点都完美解决了。

  至于如何维护信息已经很容易了,根据求f[x]的公式,我们只要维护  和  即可。

  时间复杂度为dijkstra算法的O(n^2)。

#include <cstdio>
#include <cstring>
#include <algorithm>
#define MN 1005
#define INF 1LL<<62
using namespace std;
double pem[MN][MN],rem[MN],dis[MN];
double mn;
bool u[MN];
int n,mni; inline int read()
{
int n=,f=; char c=getchar();
while (c<'' || c>'') {if(c=='-')f=-; c=getchar();}
while (c>='' && c<='') {n=n*+c-''; c=getchar();}
return n*f;
} int main()
{
register int i,j;
n=read();
for (i=;i<=n;++i)
for (j=;j<=n;++j) pem[i][j]=(double)read()/;
for (i=;i<=n;++i) rem[i]=,dis[i]=;
rem[n]=dis[n]=;
for (i=;i<=n;++i)
{
mn=INF;
for (j=;j<=n;++j)
if (!u[j]&&rem[j]<&&dis[j]/(-rem[j])<mn) mn=dis[j]/(-rem[j]),mni=j;
dis[mni]=mn; u[mni]=true;
if (mni==) return *printf("%.10lf",dis[mni]);
for (j=;j<=n;++j)
if (!u[j]) dis[j]+=rem[j]*pem[j][mni]*dis[mni],rem[j]*=(-pem[j][mni]);
}
}

Last Word

  这算是小C少有的一次头脑清晰地码出概率/期望DP的一道题,但小C知道丧病的题还会有多,再接再厉吧。

[Codeforces]605E Intergalaxy Trips的更多相关文章

  1. CodeForces 605 E. Intergalaxy Trips

    E. Intergalaxy Trips time limit per test:2 seconds memory limit per test:256 megabytes input:standar ...

  2. 【CF605E】Intergalaxy Trips(贪心,动态规划)

    [CF605E]Intergalaxy Trips(贪心,动态规划) 题面 Codeforces 洛谷 有\(n\)个点,每个时刻第\(i\)个点和第\(j\)个点之间有\(p_{ij}\)的概率存在 ...

  3. CF#335 Intergalaxy Trips

     Intergalaxy Trips time limit per test 2 seconds memory limit per test 256 megabytes input standard ...

  4. CF605E Intergalaxy Trips

    CF605E Intergalaxy Trips 考虑你是不知道后来的边的出现情况的,所以可以这样做:每天你都选择一些点进行观察,知道某天往这些点里面的某条边可用了,你就往这条边走.这样贪心总是对的. ...

  5. Intergalaxy Trips CodeForces - 605E (期望,dijkstra)

    大意: 给定矩阵$p$, $p_{i,j}$表示每一秒点$i$到点$j$有一条边的概率, 每秒钟可以走一条边, 或者停留在原地, 求最优决策下从$1$到$n$的期望用时. $f_x$为从$x$到$n$ ...

  6. CF605E Intergalaxy Trips 贪心 概率期望

    (当时写这篇题解的时候,,,不知道为什么,,,写的非常冗杂,,,不想改了...) 题意:一张有n个点的图,其中每天第i个点到第j个点的边都有$P_{i, j}$的概率开放,每天可以选择走一步或者留在原 ...

  7. E. Intergalaxy Trips

    完全图,\(1 \leq n \leq 1000\)每一天边有 \(p_{i,j}=\frac{A_{i,j}}{100}\) 的概率出现,可以站在原地不动,求 \(1\) 号点到 \(n\) 号点期 ...

  8. [Manthan, Codefest 18][Codeforces 1037E. Trips]

    题目链接:1037E - Trips 题目大意:有n个人,m天,每天晚上都会有一次聚会,一个人会参加一场聚会当且仅当聚会里有至少k个人是他的朋友.每天早上都会有一对人成为好朋友,问每天晚上最多能有多少 ...

  9. Codeforces Manthan, Codefest 18 (rated, Div. 1 + Div. 2) E.Trips

    比赛的时候想到怎么做了 没调出来(感觉自己是个睿智) 给你N个点M条边,这M条边是一条一条加进去的 要求你求出加入每一条边时图中极大'K度'子图的大小 极大'K度'子图的意思是 要求出一个有尽量多的点 ...

随机推荐

  1. Beta冲刺Day3

    项目进展 李明皇 今天解决的进度 完善了程序的运行逻辑(消息提示框等) 明天安排 前后端联动调试 林翔 今天解决的进度 向微信官方申请登录验证session以维护登录态 明天安排 继续完成维护登录态 ...

  2. DenseNet

    特点: dense shortcut connections 结构: DenseNet 是一种具有密集连接的卷积神经网络.在该网络中,任何两层之间都有直接的连接,也就是说,网络每一层的输入都是前面所有 ...

  3. Microsoft dynamic 批量更新

    //批量处理 ExecuteMultipleRequest multipleRequest = new ExecuteMultipleRequest() { Settings = new Execut ...

  4. Linux入门:usermod - 修改用户帐户信息

    一.什么是usermod? usermod 命令通过修改系统帐户文件来修改用户账户信息usermod [options] user_name选项(options)-a|--append ##把用户追加 ...

  5. kubernetes入门(01)kubernetes是什么?

    一.kubernetes是什么? Kubernetes是Google开源的一个容器编排引擎,它支持自动化部署.大规模可伸缩.应用容器化管理.在生产环境中部署一个应用程序时,通常要部署该应用的多个实例以 ...

  6. api-gateway实践(01)服务网关 - 原型功能

    一.服务注册 1.增加组:LsqGrpA 2.增加版本:LsqVerA 3.增加api:LsqApiA 3.1.基本信息 3.2.前端定义 3.3.后端定义 二.服务上线和服务授权 1.服务上线 2. ...

  7. Spring-Boot导入配置文件与取值

    前言: springboot简化了大量配置文件,但是必要时还是需要导入配置文件的,比如dubbo,此处简记之. 正文: 所有的配置文件引入都是使用注解在类上进行引入的,常用的有两种注解@Propert ...

  8. 记java应用linux服务单个CPU使用率100%分析

    之前在做项目的过程中,项目完成后在linux服务器上做性能测试,当服务跑起来的时候发现cpu使用率很奇怪,java应用把单个cpu跑满了,其他cpu利用率0%. 刚开始遇到这问题的时候我第一时间反应使 ...

  9. django中图片的上传和显示

    上传图片实际上是 把图片存在服务器的硬盘中,将图片存储的路径存在数据库中. 1 首先要配置文件上传的路径: 1.1 建立静态文件目录 在项目根目录下 新建一个 static文件夹,下面再建立一个med ...

  10. [翻译] softmax和softmax_cross_entropy_with_logits的区别

    翻译自:https://stackoverflow.com/questions/34240703/whats-the-difference-between-softmax-and-softmax-cr ...