SHOI 2014 【概率充电器】
加油,两道了,也就还剩那么二十来道吧,慢慢做。。。。。。
题目大意:
给你一颗树,树上的每一个节点都有一定的概率p[i]能冲上电,有电的点,可以通过树上的边,一定概率地将电传递到与它相邻的点,同时对于每条边,都有一个传递电能的成功率。让你求出通电节点个数的期望。
读入:一个数n,接下来n-1行,每行三个数u,v,p,表示有一条连接节点u和v的边,导电的概率为p,最后一行共n个数,表示每个节点一开始就有电的概率。
- 输出:一个数E,表示期望(取6位小数)。
思路分析:
换根DP+期望DP
很清楚,最后的答案就是每一个点通电的概率相加。那么对于每一个点,我们可以求出它不通电的概率,然后再用1去减就可以了。(求不通电的概率比较简单)
有了大致的思路,我们就可以开始设计DP啦!
以1为根,我们开始做树形DP。
对于每一个点u,我们将其分两种情况讨论:
1、以u为根的子树无法使其通上电。
我们建立一个f数组,其中f[u]表示以u为根的子树,无法使u通上电的概率。
那么对于每一个u的儿子v,它不能使u通电又有两种情况:
a、它的儿子v不通电。
b、v通电,但是连接u,v的边不导电。
所以:f[u]=(1-p[u])∏v∈u's son(f[v]+(1-f[v])*(1-P[u,v])) 其中P表示u,v通电的概率
注意:因为a,b两种情况是互斥的两种情况所以f[v]和(1-f[v])*(1-P[u,v])应相加,而对于每一个v无论是哪一个v使u通电都一样,他们是独立的,所以是相乘。
2、u的父亲无法使u通上电。
这种情况,这,这,这——这TM玩个鸡儿啊!!!
万念俱灰,推出了一个看似完美的DP但最终仍是难逃被题目蹂躏的命运。
这第二种情况应该怎么处理呢?怎么处理呢?不会啊,怎么办呢?——不会那就不处理呗!!!
我们都知道,在一棵树中,有一个叫做根节点的神奇玩意儿——它是没有父亲的!
所以再不济,我们以每一个节点为根跑一遍上面的DP不就完事儿了吗!
但是我们真的需要这么做吗?——肯定不用啊!
一遍DP之后得到的大好信息,我们怎么能说扔就扔了呢?浪费可耻啊!
我们建立数组g,其中g[u]为以u为根节点,点u不被充电的概率,显然f[1]=g[1]。
那么我们考虑节点v(v为1号节点的一个儿子),再设一个x为以1为根节点的树,不算儿子v对于1号节点的影响,1号节点不被充电的概率。
那么:g[v]=f[v]*(x+(1-x)*(1-P[1,v]))
而x也很好求,因为对于1号节点的每一个儿子节点,他们对于一号节点的影响都是相对独立的,所以x=g[1]/(f[v]+(1-f[v])*(1-P[1,v]))。
所以整个g数组的转移就被我们推导出来啦!即:g[v]=f[v]*(x+(1-x)*(1-P[u,v])) 其中:x=g[u]/(f[v]+(1-f[v])*(1-P[u,v]))
代码:
var
next,head,vet:array[1..1000000]of longint;
vis:array[1..500000]of boolean;
p,f,dist,g:array[1..1000000]of double;
tot,i,n,x,y:longint;
ans,z:double;
procedure add(x,y:longint;z:real);
begin
inc(tot);
next[tot]:=head[x];
vet[tot]:=y;
head[x]:=tot;
dist[tot]:=z;
end;
procedure dfs(u:longint);
var
i,v:longint;
begin
vis[u]:=true; i:=head[u];
while i<>0 do
begin
v:=vet[i];
if not vis[v] then
begin
dfs(v);
f[u]:=f[u]*(f[v]+(1-f[v])*(1-dist[i]));
end;
i:=next[i];
end;
end;
procedure change(u:longint);
var
i,v:longint;
x:double;
begin
vis[u]:=true; i:=head[u];
while i<>0 do
begin
v:=vet[i];
if not vis[v] then
begin
x:=g[u]/(f[v]+(1-f[v])*(1-dist[i]));
g[v]:=f[v]*(x+(1-x)*(1-dist[i]));
change(v);
end;
i:=next[i];
end;
end;
begin
read(n);
for i:=1 to n-1 do
begin
read(x,y,z);
add(x,y,z/100); add(y,x,z/100);
end;
for i:=1 to n do
begin
read(p[i]);
p[i]:=p[i]/100;
f[i]:=1-p[i];
end;
dfs(1);
g[1]:=f[1];
fillchar(vis,sizeof(vis),false);
change(1);
for i:=1 to n do
ans:=ans+1-g[i];
writeln(ans:0:6);
end.
SHOI 2014 【概率充电器】的更多相关文章
- [bzoj 3566][SHOI 2014]概率充电器
传送门 Description SHOI 概率充电器由 n-1 条导线连通了 n 个充电元件.进行充电时,每条导线是否可以导电以概率决定,每一个充电元件自身是否直接进行充电也由概率决定. 随后电能可以 ...
- [ SHOI 2014 ] 概率充电器
\(\\\) \(Description\) 一个含\(N\)个元器件的树形结构充电器,第\(i\)个元器件有\(P_i\)的概率直接从外部被充电,连接\(i,j\)的边有\(P_{i,j}\)的概率 ...
- 解题:SHOI 2014 概率充电器
题面 显然就是在求概率,因为期望乘的全是1....然后就推推推啊 设$fgg[i]$表示这个点父亲没给他充上电的概率,$sgg[i]$表示这个点子树(和它自己)没给他充上电的概率,然后这个点没充上电的 ...
- BZOJ 3566: [SHOI2014]概率充电器( 树形dp )
通过一次dfs求出dp(x)表示节点x考虑了x和x的子树都没成功充电的概率, dp(x) = (1-p[x])π(1 - (1-dp[son])*P(edge(x, son)).然后再dfs一次考虑节 ...
- bzoj 3566: [SHOI2014]概率充电器
Description 著名的电子产品品牌 SHOI 刚刚发布了引领世界潮流的下一代电子产品--概率充电器:"采用全新纳米级加工技术,实现元件与导线能否通电完全由真随机数决定!SHOI 概率 ...
- [SHOI2014]概率充电器
Description 著名的电子产品品牌 SHOI 刚刚发布了引领世界潮流的下一代电子产品——概率充电器: “采用全新纳米级加工技术,实现元件与导线能否通电完全由真随机数决定!SHOI 概率充电器, ...
- Loj #2192. 「SHOI2014」概率充电器
Loj #2192. 「SHOI2014」概率充电器 题目描述 著名的电子产品品牌 SHOI 刚刚发布了引领世界潮流的下一代电子产品--概率充电器: 「采用全新纳米级加工技术,实现元件与导线能否通电完 ...
- [SHOI2014]概率充电器(概率+换根dp)
著名的电子产品品牌SHOI 刚刚发布了引领世界潮流的下一代电子产品—— 概率充电器: “采用全新纳米级加工技术,实现元件与导线能否通电完全由真随机数决 定!SHOI 概率充电器,您生活不可或缺的必需品 ...
- BZOJ3566: [SHOI2014]概率充电器 树形+概率dp
3566: [SHOI2014]概率充电器 Time Limit: 40 Sec Memory Limit: 256 MBSubmit: 1888 Solved: 857[Submit][Stat ...
- 洛谷 P4284 [SHOI2014]概率充电器 解题报告
P4284 [SHOI2014]概率充电器 题目描述 著名的电子产品品牌SHOI 刚刚发布了引领世界潮流的下一代电子产品-- 概率充电器: "采用全新纳米级加工技术,实现元件与导线能否通电完 ...
随机推荐
- 项目中使用mybatis报错:对实体 "serverTimezone" 的引用必须以 ';' 分隔符结尾。
报错信息如下: Exception in thread "main" org.apache.ibatis.exceptions.PersistenceException: ### ...
- Java原生网络编程
一些常见术语 编程中的Socket是应用层与TCP/IP协议族通信的中间软件抽象层,它是一组接口.在设计模式中,Socket其实就是一个门面模式,它把复杂的TCP/IP协议族隐藏在Socket接口后面 ...
- Lua GC机制
说明 分析lua使用的gc算法,如何做到分步gc,以及测试结论 gc算法分析 lua gc采用的是标记-清除算法,即一次gc分两步: 从根节点开始遍历gc对象,如果可达,则标记 遍历所有的gc对象,清 ...
- 吴恩达《深度学习》-第一门课 (Neural Networks and Deep Learning)-第四周:深层神经网络(Deep Neural Networks)-课程笔记
第四周:深层神经网络(Deep Neural Networks) 4.1 深层神经网络(Deep L-layer neural network) 有一些函数,只有非常深的神经网络能学会,而更浅的模型则 ...
- Robotframework自动化2-Windows环境搭建
前言 上节主要介绍了部分的robotframework搭建,如果想运行APP的话,还需要进一步配置环境. 需要安装的软件 1.Android-sdk-windows 2.JDK 3.Appium-de ...
- [LeetCode]子串的最大出现次数(字符串)
题目 给你一个字符串 s ,请你返回满足以下条件且出现次数最大的 任意 子串的出现次数: 子串中不同字母的数目必须小于等于 maxLetters . 子串的长度必须大于等于 minSize 且小于等于 ...
- adb命令—monkey篇
monkey 目录 monkey 1.Monkey介绍 2.Monkey是用来做什么的 3.Monkey程序介绍 下面就是一些Monkey命令了 1.Monkey介绍 顾名思义,Monkey就是猴子, ...
- 设计模式之Command
由于学习hystrix的使用和原理 所以就学习了command模式https://www.jdon.com/designpatterns/command.htm Command模式是最让我疑惑的一 ...
- ftp自动上传下载同步工具 免费好用的ftp自动上传下载同步工具
有时我们需要定时上传文件到FTP,可大多数FTP工具并不支持定时上传功能,这时我们就需要可以定时ftp上传的工具(服务器管理工具).它是一款功能强大的服务器集成管理器,包含win系统和linux系统的 ...
- json与字典的相互转化
json格式初学者如果在编辑器中自己编写一个json格式,可能会出错:虽然json格式本质上也是字符串,但是json格式要求,要使用双引号将key和value括起来: 如果要将上面的字符串格式和jso ...