前言
教练讲之前我是完全不会的啊,讲完了感觉大脑旋转。
主要写题单里的题的题解。
预备知识
离散型随机变量的期望
设离散型随机变量 的概率分布为 ,则 的期望 定义为
连续型随机变量的期望
设离散型随机变量 的密度函数为 ,则 的期望 定义为
题单练习
题意
有一个 元的红包,若红包剩下 元,则这个人抢到的钱数是从 等概率随机生成的实数 。问第 个人期望抢到的钱数,答案对 取模。
对于所有数据,,。
题解
设第一个人抢到的钱数为 ,则 的分布函数 。那么所求的期望就是
对于第二个人,期望剩下 元,那么期望抢到的钱数就是 ……以此类推,第 个人期望抢到的钱数就是 。快速幂 求解即可。
题意
给定一个 个点 条边的 DAG,问从所有路径中(路径可以为一个点),等概率随机选择其中一条的期望长度,答案对 取模。
对于所有数据,,。
题解
它都不是期望 DP 题。期望长度即路径长度总和除以路径总条数,DAG 上 DP 统计即可。时间复杂度 。
题意
给定一个 个点 条边的带权 DAG,起点为 号点,终点为 号点,保证从起点出发能到达所有点,所有点也都能到达终点。现在绿豆蛙从起点走到终点,每次从所有能到达的点中等概率选择一个走,问走的路径的期望长度。
对于所有数据,,。
题解
裸题。令 表示 的期望路径长度,在反图上 DP 即可。时间复杂度 。
题意
一个人需在 个时间段选课,每时间段有原教室 和可选教室 。他可以最多申请 次更换教室,第 个时间段申请成功概率为 。所有申请需一次性提交,每个时间段只能申请一次。所有教室构成一个 个点 条边的无向带权图,课间移动消耗的体力为两教室间的最短路径,求总体力消耗的期望最小值。
对于所有数据,,,,。
题解
经典题。先 Floyd 预处理多源最短路,然后容易想到令 表示考虑前 个时间段,共使用 次申请次数,第 个时间段是否申请换教室的期望最小值。分讨第 个和第 个时间段分别是否申请成功容易得到转移方程:
时间复杂度 。
题意
给定一棵 个点的树,小仓鼠想从任意的起点 走到任意的终点 ,每次会从所有相邻的节点中等概率随机选择一个走,问走的路径长度的期望,答案对 取模。
对于所有数据,。
题解
妙妙题。枚举终点 作为树的根节点,然后你发现它可以往回走,导致你如果设计 会有后效性, 的范围显然不允许我们做高斯消元。
考虑一些高妙的东西,注意到某个点 随机走出来的路径必然会包含 上的边,所以我们有
很自然地想到设计 ,但这个好像还是列不出普通的转移方程啊!但是我们仔细考虑 如何能走到 。首先它有 的概率可以直接走到 ,其次对于每个子节点 ,它还有 的概率走到 ,然后再沿 走到 。于是我们可以列出一个神秘的方程:
解方程可以得到
于是我们可以树形 DP 求出所有 了!然后对于一条边 ,显然它是 个节点向上走的必经边。我们令 ,则 。
枚举 ,把所有 加起来再除以 就是答案,于是我们有了 的做法。转移方程是个和式,某个点的贡献容易增删,显然可以换根 DP 优化到 。实现时注意一下换根前后根节点的贡献即可。
其实我们也有不那么高妙的角度。我们回到令 ,转移方程就是 。从叶子节点开始考虑,那么 的值只和 有关,进一步扩展到某个叶子结点的父亲 ,它的每个儿子都可以表示成有关 的一次函数,代入得到 的值又只与 有关……这样向上递推,容易发现 最终就是一个关于 的一次函数,可以记录系数树形 DP 求解。再去记录子树的 和容易拓展到换根 DP 的形式。时间复杂度还是 的。显然两种角度本质相同。
题意
有一个长度为 的 串,第 个位置有 的概率为 , 的概率为 。定义这个串的价值为所有极长连续 段的长度的立方和。求这个串的期望价值。
对于所有数据,。
题解
考虑从当前位置 向左扩展的极长连续 段,它的长度 增加 后带来的贡献为 ,因此想到维护从当前位置向左扩展的极长连续 段的长度的期望 和长度的平方的期望 。容易得到转移方程:
对于答案的期望 也有类似的转移:
请注意这两种转移的微妙区别, 维护的是从当前位置 向左扩展的极长连续 段的长度/长度平方的期望,而 维护的是所有极长连续 段的长度的立方和期望。
时间复杂度为 。
题意
给定一个 个点 条边的带权无向连通图。你想从 号点走到 号点,每次会从所有相邻的节点中等概率随机选择一个走,问路径上边权异或和的期望值。
对于所有数据,,。
题解
的范围强烈引导我们做高斯消元。令 表示 的路径上边权异或和的期望值。容易得到转移方程:
这种形式当然不能高斯消元。考虑拆位,那么转移方程变成:
最后对应累加答案即可。时间复杂度为 。实现时注意判自环。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统
· 【译】Visual Studio 中新的强大生产力特性
· 2025年我用 Compose 写了一个 Todo App