Codeforces 1009E Intercity Travelling | 概率与期望
题目大意:
一个人要从$A$地前往$B$地,两地相距$N$千米,$A$地在第$0$千米处,$B$地在第$N$千米处。
从$A$地开始,每隔$1$千米都有$\dfrac{1}{2}$的概率拥有一个休息点, 如果这个地方有休息点的话,这个人就可以在此地休息,起点处(即第$0$千米处)一定是一个休息点。
如果这个人在最近一次休息后行驶了$i$千米,那么他将有$\sum_{j=1}^ia_i$疲劳值。
给出$N$与$a_i(i$为整数且$i\in[1,N])$,求这个人到达$B$地后拥有的疲劳值的期望,将其与$2^{N-1}$的积模$998244353$后输出。
题解:
设$S_i$为从第$i-1$千米处到达第$i$千米处所产生的疲劳值的期望。
考虑计算每个$S_i$,最后的答案即为$2^{n-1}\cdot\sum_{i=1}^NS_i\bmod998244353$。
很明显的一点是,与$S_i$有关的即为到达第$i$千米处前最后一次休息的地方是哪里。
对此,就会用$i-1$种可能的情况,
分别是最后一次休息的地方在第$0$千米处,在第$1$千米处,在第$2$千米处……在第$i-1$千米处;
这些情况的概率分别是$\dfrac{1}{2^{i-1}}$,$\dfrac{1}{2^{i-1}}$,$\dfrac{1}{2^{i-2}}$$\cdots$$\dfrac{1}{2^1}$;
在这些情况中,从第$i-1$千米处到达第$i$千米处所产生的疲劳值分别是$a_i$,$a_{i-1}$,$a_{i-2}$$\cdots$$a_1$。
注意:最后一次休息的地方在第$0$千米处的概率是$\dfrac{1}{2^{i-1}}$而不是$\dfrac{1}{2^i}$是因为第$0$千米处一定是一个休息点。
于是就有$S_i=\dfrac{a_i}{2^{i-1}}+\dfrac{a_{i-1}}{2^{i-1}}+\dfrac{a_{i-2}}{2^{i-2}}+\cdots+\dfrac{a_1}{2^1}$。
那么对于$S_{i+1}$,就有$S_{i+1}=S_i-\dfrac{a_i}{2^i}+\dfrac{a_{i+1}}{2^i}$。
然后,就可以在$O(n)$的时间内递推求出所有的$S_i$了。
初始条件?显然有$S_1=a_1$。
计算的时候不要忘记与$2^{N-1}$相乘以及取模。
代码:
#include<iostream>
#include<cstdio>
using namespace std;
const long long mod=998244353;
long long a[1000005],f[1000005],mi[1000005];
int main()
{
int n=0;
scanf("%d",&n);
for(int i=1;i<=n;i++) scanf("%I64d",&a[i]);
mi[0]=1;
for(int i=1;i<=n-1;i++) mi[i]=mi[i-1]*2%mod;//预处理出2的i次方
f[1]=mi[n-1-0]*a[1]%mod;//初始条件
long long ans=0;
for(int i=1;i<=n-1;i++)
{
ans=(ans+f[i])%mod;//累加答案
f[i+1]=((f[i]-mi[n-1-i]*a[i]%mod+mod)%mod+mi[n-1-i]*a[i+1]%mod)%mod;//递推
}
ans=(ans+f[n])%mod;//不要忘记加上最后这一项
printf("%I64d",ans);
return 0;
}
参考资料:
PikMike's blog —— Разбор Educational Codeforces Round 47
Codeforces 1009E Intercity Travelling | 概率与期望的更多相关文章
- 1009E Intercity Travelling 【数学期望】
题目:戳这里 题意:从0走到n,难度分别为a1~an,可以在任何地方休息,每次休息难度将重置为a1开始.求总难度的数学期望. 解题思路: 跟这题很像,利用期望的可加性,我们分析每个位置的状态,不管怎么 ...
- CodeForces - 1009E Intercity Travelling
题面在这里! 可以发现全是求和,直接拆开算贡献就好了 #include<bits/stdc++.h> #define ll long long using namespace std; c ...
- Codeforces D. Intercity Travelling(区间组合)
题目描述: D. Intercity Travelling time limit per test 1.5 seconds memory limit per test 256 megabytes in ...
- CodeForces - 28C Bath Queue 概率与期望
我概率期望真是垃圾--,这题搞了两个钟头-- 题意 有\(n\)个人,\(m\)个浴室,每个浴室里有\(a_i\)个浴缸.每个人会等概率随机选择一个浴室,然后每个浴室中尽量平分到每个浴缸.问期望最长排 ...
- Codeforces 1009 E. Intercity Travelling(计数)
1009 E. Intercity Travelling 题意:一段路n个点,走i千米有对应的a[i]疲劳值.但是可以选择在除终点外的其余n-1个点休息,则下一个点开始,疲劳值从a[1]开始累加.休息 ...
- 【CodeForces】913 F. Strongly Connected Tournament 概率和期望DP
[题目]F. Strongly Connected Tournament [题意]给定n个点(游戏者),每轮游戏进行下列操作: 1.每对游戏者i和j(i<j)进行一场游戏,有p的概率i赢j(反之 ...
- 【算法学习笔记】概率与期望DP
本文学习自 Sengxian 学长的博客 之前也在CF上写了一些概率DP的题并做过总结 建议阅读完本文再去接着阅读这篇文章:Here 前言 单纯只用到概率的题并不是很多,从现有的 OI/ACM 比赛中 ...
- 【BZOJ-3450】Tyvj1952Easy 概率与期望DP
3450: Tyvj1952 Easy Time Limit: 10 Sec Memory Limit: 128 MBSubmit: 468 Solved: 353[Submit][Status] ...
- 【BZOJ-4008】亚瑟王 概率与期望 + DP
4008: [HNOI2015]亚瑟王 Time Limit: 20 Sec Memory Limit: 512 MBSec Special JudgeSubmit: 832 Solved: 5 ...
随机推荐
- nuxt打包等注意事项
打包步骤: 1.首先执行 npm run build 2.将打包好的 .nuxt static nuxt.config.js package.json 这四个文件丢到服务器的某个文件夹中,在服务器上安 ...
- Linux系列(29) - rpm包命名规则(1)
RPM包命名规则 例如包名:httpd-2.2.15-15.el6.centsos.1.i686.rpm 软件包名-httpd 软件版本-2.2.15 发布的次数-15 el6.centos适合的Li ...
- html5 sessionStorage util
/** * Created by 13352 on 2018/7/5. */ define(function() { var session = { _id: null, _cookieCache ...
- 一文让你彻底理解SQL的子查询
什么是子查询 当一个查询是另一个查询的条件时,称之为子查询. 为什么要使用子查询 在SELECT.INSERT.UPDATE或DELETE命令中只要是表达式的地方都可以包含子查询,子查询甚至可以包含在 ...
- px em rem区别
国内的设计师大都喜欢用px,而国外的网站大都喜欢用em和rem,那么三者有什么区别,又各自有什么优劣呢? PX特点 1. IE无法调整那些使用px作为单位的字体大小: 2. 国外的大部分网站能够调整的 ...
- 深入浅出WPF-04.x名称空间详解
x名称空间详解 几个需要特别说明的名称空间: x:Class 用来标记XAML和后台代码之间的合并关系.x:Class根节点的类型必须和x:Class值指向的类型保持一致.x:Class的值指向的类型 ...
- 基于 Ubuntu 21.04 BPF 开发环境全攻略
本文地址:https://www.ebpf.top/post/ubuntu_2104_bpf_env 1. 系统安装 1.1 Vagrant Vagrant 是一款用于构建及配置虚拟开发环境的软件,基 ...
- ASP.NET Core 学习笔记 第三篇 依赖注入框架的使用
前言 首先感谢小可爱门的支持,写了这个系列的第二篇后,得到了好多人的鼓励,也更加坚定我把这个系列写完的决心,也能更好的督促自己的学习,分享自己的学习成果.还记得上篇文章中最后提及到,假如服务越来越多怎 ...
- 视频需求超平常数 10 倍,却节省了 60% 的 IT 成本投入是一种什么样的体验?
作者 | 山猎 近年来,Serverless 一直在高速发展,并呈现出越来越大的影响力.主流的云服务商也在不断地丰富云产品体系,提供更好的开发工具,更高效的应用交付流水线,更好的可观测性,更细腻的产品 ...
- HC(Histogram-based Contrast) 基于直方图对比度的显著性
HC(Histogram-based Contrast) 基于直方图对比度的显著性 来源于: 2011, Global contrast based salient region detection, ...