Ybt#452-序列合并【期望dp】
正题
题目链接:https://www.ybtoj.com.cn/contest/113/problem/2
题目大意
一个空序列,每次往末尾加入一个\([1,m]\)中的随机一个数。如果末尾两个数相同都为\(x\)且\((x<t)\),那么将它们合并成\(x+1\)。
如果序列长度为\(n\)且无法合并则结束,求序列期望和。
\(n,m\in[1,10^3],t\in[1,10^9]\)
解题思路
首先显然地\(t=min\{n+m-1,t\}\)。
之后考虑序列中的每一个位置可能的数,因为每种情况都有可能,所以我们需要算概率先,设\(p_{i,j}\)表示剩余\(i\)个位置时出现\(j\)的概率,那么有\(p_{i,j}=\frac1m\times [j\leq m]+p_{i,j-1}^2\)(直接出现或者合并出来)。
设\(p_{i,j}\times q_{i,j}\)表示剩下\(i\)个位置且第一个最终是\(j\)的概率,那么有\(q_{i,j}=1-p_{i-1,j}\times [j<t]\)(\(q_{i,j}\)就表示在出现了\(j\)的前提下不变的概率,减去会变的概率就好了)。
但是因为每个位置的概率不是独立的,所以不能直接用这个来算答案。
设\(p_{i,j}\times g_{i,j}\)表示在剩下\(i\)个位置且第一个最终是\(j\)时和的期望和(注意期望=概率*次数),\(p_{i,j}\times f_{i,j}\)表示剩下\(i\)个位置时第一个出现过\(j\)的情况的期望和,\(ans_i\)表示剩下\(i\)个位置时的期望和。
那么有
\]
考虑\(g\)的递推式有
\]
(有\(q_{i,j}\)的概率最终是\(j\),填完剩下的,且下一个不能出现\(j\))
考虑\(f\)的递推式有
\]
(第一种是最终不变,第二种是变成了\(j+1\)的情况)
这样就可以递推了,时间复杂度\(O(n^2)\)
code
#include<cstdio>
#include<cstring>
#include<algorithm>
#define ll long long
using namespace std;
const ll N=2100,P=1e9+7;
ll n,m,t,p[N][N],q[N][N],g[N][N],f[N][N],ans[N];
ll power(ll x,ll b){
ll ans=1;
while(b){
if(b&1)ans=ans*x%P;
x=x*x%P;b>>=1;
}
return ans;
}
signed main()
{
freopen("sequence.in","r",stdin);
freopen("sequence.out","w",stdout);
scanf("%lld%lld%lld",&n,&m,&t);
ll inv=power(m,P-2);
t=min(t,n+m-1);
for(ll i=1;i<=n;i++)
for(ll j=1;j<=t;j++){
p[i][j]=(inv*(j<=m)+p[i-1][j-1]*p[i][j-1]%P)%P;
q[i][j]=(1-(j<t)*p[i-1][j]+P)%P;
}
for(ll i=1;i<=n;i++){
for(ll j=t;j>=1;j--){
if(j!=t)
g[i][j]=(q[i][j]*j%P+ans[i-1]-f[i-1][j]*p[i-1][j]%P+P)%P;
else
g[i][j]=(q[i][j]*j%P+ans[i-1])%P;
f[i][j]=(g[i][j]%P+(1-q[i][j])*f[i][j+1]%P)%P;
(ans[i]+=g[i][j]*p[i][j])%=P;
}
}
printf("%lld\n",ans[n]);
return 0;
}
Ybt#452-序列合并【期望dp】的更多相关文章
- loj6171/bzoj4899 记忆的轮廊(期望dp+优化)
题目: https://loj.ac/problem/6171 分析: 设dp[i][j]表示从第i个点出发(正确节点),还可以有j个存档点(在i点使用一个存档机会),走到终点n的期望步数 那么 a[ ...
- 概率期望dp
对于概率dp,我一直都弄得不是特别明白,虽然以前也有为了考试去突击过,但是终究还是掌握得不是很好,所以决定再去学习一遍,把重要的东西记录下来. 1.hdu4405 Description 在一个 \( ...
- 【BZOJ】4318: OSU! 期望DP
[题意]有一个长度为n的01序列,每一段极大的连续1的价值是L^3(长度L).现在给定n个实数表示该位为1的概率,求期望总价值.n<=10^5. [算法]期望DP [题解]后缀长度是一个很关键的 ...
- 【poj2096】Collecting Bugs 期望dp
题目描述 Ivan is fond of collecting. Unlike other people who collect post stamps, coins or other materia ...
- hdu4418 Time travel 【期望dp + 高斯消元】
题目链接 BZOJ4418 题解 题意:从一个序列上某一点开始沿一个方向走,走到头返回,每次走的步长各有概率,问走到一点的期望步数,或者无解 我们先将序列倍长形成循环序列,\(n = (N - 1) ...
- 【期望dp 质因数分解】cf1139D. Steps to One
有一种组合方向的考虑有没有dalao肯高抬啊? 题目大意 有一个初始为空的数组$a$,按照以下的流程进行操作: 在$1\cdots m$中等概率选出一个数$x$并添加到$a$的末尾 如果$a$中所有元 ...
- Codeforces 1139D(期望dp)
题意是模拟一个循环,一开始有一个空序列,之后每次循环: 1.从1到m中随机选出一个数字添加进去,每个数字被选的概率相同. 2.检查这个序列的gcd是否为1,如果为1则停止,若否则重复1操作直至gcd为 ...
- 概率及期望DP小结
资源分享 26 个比较概率大小的问题 数论小白都能看懂的数学期望讲解 概念 \(PS\):不需要知道太多概念,能拿来用就行了. 定义 样本(\(\omega\)):一次随机试验产生的一个结果. 样本空 ...
- Gym - 101190F Foreign Postcards (期望dp)
题意:有n张标有“C”或“F”的卡片. 1.随机取前k张(1<=k<=n) 2.若这k张的第一张为“C”,则不翻转,否则,全部翻转这k张. 3.然后处理剩下的n-k张 4.重复步骤1~3直 ...
- 【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 ...
随机推荐
- 从350ms到80ms,揭秘阿里工程师 iOS 短视频优化方案
内容作为 App 产品新的促活点,受到了越来越多的重视与投入,短视频则是增加用户粘性.增加用户停留时长的一把利器.短视频的内容与体验直接关系到用户是否愿意长时停留,盒马也提出全链路内容视频化的规划,以 ...
- flutter捕获应用退出弹出对话框
使用WillPopScope组件,它会检测到子组件的Navigation的pop事件,并拦截下来.我们需要在它的onWillPop属性中返回一个新的组件(一般是一个Dialog)处理是否真的pop该页 ...
- asp.net core的输入模型验证
数据验证特性RequiredAttribute:表示数据不能为空RegularExpressionAttribute:正则校验CompareAttribute:和某个属性比较RangeAttribut ...
- 玩转Spring生命周期之Lifecycle
Lifecycle callbacks Initialization callbacks.Destruction callbacks要与容器的bean生命周期管理交互,即容器在启动后和容器在销毁前对每 ...
- (三)air202连接阿里云上传静态数据
具体步骤跳转–合宙官网 air202luat二次开发设备接入阿里云(一) air202luat二次开发设备接入阿里云(二) air202luat二次开发设备接入阿里云(三) 可能遇到的问题 群文件中有 ...
- ArrayPool 源码解读之 byte[] 也能池化?
一:背景 1. 讲故事 最近在分析一个 dump 的过程中发现其在 gen2 和 LOH 上有不少size较大的free,仔细看了下,这些free生前大多都是模板引擎生成的html片段的byte[]数 ...
- 解决 conda tensorflow failed to create cublas handle: CUBLAS_STATUS_NOT_INITIALIZED
参考解决方案1:https://stackoverflow.com/questions/38303974/tensorflow-running-error-with-cublas 参考解决方案2:ht ...
- 学习小计: Kaggle Learn Embeddings
Embedding表示map f: X(高维) -> Y(低维),减小数据维度,方便计算+提高准确率. 参看Kaggle Learn:https://www.kaggle.com/learn/e ...
- AI 常见术语总结
BN(Batch-normalization)在一层的输出上计算所有特征映射的均值和标准差,并且使用这些值规范化它们的响应.因此使得所有神经图(neural maps)在同样范围有响应,而且是零均 ...
- 在已有Win7/10系统电脑中加装Ubuntu18.04(安装双系统)
准备一台有Win7/10的电脑. 为Ubuntu预留硬盘空间.最好在硬盘最后保留一个空闲分区.(Ubuntu会自动安装到后面的空闲分区) 用Universal USB Installer制作安装盘(U ...