@codeforces - 618G@ Combining Slimes
@description@
一行上摆有 n 个方格。每一次你可以在最右边的方格滴入一滴史莱姆。有 p 的概率该史莱姆大小为 1,有 (1 - p) 的概率该史莱姆大小为 2。
史莱姆会不断往左滚动,直到遇到另一个史莱姆或边界。假如遇到的是大小相同的史莱姆则合并,大小加一,继续往左滚动;否则直接停下。
等到无法操作时,问最后方格内的史莱姆大小总和的期望值。
input:
两个整数 n,p。(1 <= n <= 10^9,1 <= p < 10^9)
其中对应的概率为 p/10^9 与 1 - p/10^9。
output:
输出期望值。
sample input:
2 500000000
sample output:
3.562500000000000
sample explain:
滴入大小为 1 与 2 的史莱姆的概率都为 1/2。
1/4 的概率最终状态为 1 2,3/8 最终为 2 1,3/16 最终为 3 2 与 3/16 最终为 3 1。
期望值为 \(1/4*(1 + 2) + 3/8*(2 + 1) + 3/16*(3 + 2) + 3/16*(3 + 1) = 3.5625\)
@solution@
这道题有点儿意思。
@part - 0@
嘛……首先发现当一个大小为 1 的史莱姆在一个大小为 2 的史莱姆左边,则它们以及它们左边的史莱姆永远不会再变动的。
然后呢?然后我就不会做了。
@part - 1@
根据题解所写,我们要发现这样一个关键的性质:
假如我们需要弄出来大小为 s 的史莱姆,我们需要先弄出来两个大小为 (s-1) 的史莱姆。
令弄出大小为 s 的概率为 \(pr(s)\),则有递推公式 \(pr(s) = pr^2(s-1)\),边界 \(pr(2) = (1-p) + p^2\)。
这是一个理想的上界,实际概率可能还要小些。
但是就这种情况下,取 \(pr(2)_{max}=(1-\frac{1}{10^9})\)(不是准确值),则当 s >= 50 时, \(pr(s)\) 已经趋近于无穷小了(可以自行算),不会再对答案产生影响。
所以史莱姆的大小可以控制到 50 以下。
……
MMP 鬼才会去想这个性质。
@part - 2@
其实下面这个性质并不难想到,但是如果没有上面那个性质也运用不了。令 \(pr(s, n)\)表示 n 个方格弄出大小为 s 的史莱姆的概率。
可以发现,当 n 充分大时, \(pr(s, n) = pr(s, n+1)\)。
感性理解一下:你方格数量多了,反而有些方格可能用不到。将这些用不到的方格去掉,概率依然还是不变的。
这个充分大是多大呢?
\(pr(s, n)\) 之间有递推关系 \(pr(s, n) = pr(s-1, n)*pr(s-1, n-1)\)。
边界条件 \(\begin{cases}pr(1, 1) = p, pr(2, 1) = 1-p\\pr(1, n) = p, pr(2,n) = (1-p)+p^2&n\not = 1\end{cases}\)
我们可以发现边界条件其实跟 n 没有关系。然后递推关系中,每一次 s 都要减少 1,所以 s 过后就会碰到边界条件。
所以,当 n > s 时,总有 \(pr(s, n) = pr(s, n+1)\)。
因此只要我们已知 \(pr(s, n)(s \le 50, n \le 50)\) 的值,就可以表示所有的 \(pr(s, n)\) 的值。
然而还有个问题,倒回到我们一开始说的那个性质:有可能我们的最左边固定的是一个 1 2 的形式。
为了解决这个问题,我们令 \(pr'(s, n)\) 表示 n 个方格,最左边已经有一个大小为 2 的史莱姆的前提下,弄出大小为 s 的史莱姆的概率。
类似地可以得到递推关系:\(pr'(s, n)=pr'(s-1,n)*pr(s-1,n-1)\)。
边界条件不再复述,可以自行推导,也可以等会儿看代码。
@part - 3@
发现的这些性质……所以到底有啥子用?
既然上文中有这么多递推关系,我们就来想想用我们的 dp 来搞这道题。
令 \(dp(s, n)\) 表示最终局面从右往左数前 n 个格子,第 n 个格子的史莱姆大小为 s 的前提下,的期望大小和。根据上文, s <= 50。
令 \(f(s, n)=pr(s, n)*(1-pr(s, n-1))\),含义为第 n 个格子史莱姆大小为 s,第 n-1 个格子史莱姆大小 < s 的概率。这样第 n 个格子史莱姆绝对不会与第 n-1 个合并,只要第 n+1 个格子的史莱姆不与第 n 个格子合并,整个局面就是“稳定的”。
转移时,枚举第 i+1 个格子大小为 k,则:
比较难理解的可能就是右边乘上来的概率为什么长成那样。
其实这(应该)是一个条件概率。
条件概率的公式为 \(P(B|A)=\dfrac{P(AB)}{P(A)}\),即在事件 A 发生的前提下,事件 B 发生的概率等于事件 A B 同时发生的概率除以 A 发生的概率。
对应到该题。事件 A 为 “最终局面中第 i 个格子的史莱姆大小为 j ”,事件 B 为 “第 i+1 个格子的史莱姆大小为 k”。
嗯。我相信它是这样的。
为什么不直接用 \(dp(s, n)\) 乘上一个 \(f(s, n)\) 呢?因为当 j = 1 时,上面那个转移式,就不能那么转移了。因为大小为 1 后面可能接个 2。
我们令 \(g(s, n)=pr'(s, n)*(1-pr(s, n-1))\)。则:
然后,由于我们最后发现的那个性质,所以当 n 充分大时右边乘上来的概率是不会变化的,是个常数。
所以我们就可以跑矩阵加速了。
最后得到 \(ans = \sum_{i=1}^{50}f(i, n)*dp(i, n)\)。
【我才不会说题解基本全靠口胡和感性认知 QAQ】
【因为我自己也不是太懂这道题 QAQ】
@accepted code@
通过浮点数的精度,使得某项变量因为远远超过题目所给的精度而忽略它。
这种类型我还只在 NOI2016 的旷野大计算那道题见过,果然还是太弱 QAQ。
//代码极丑无比,请勿模仿。
#include<cstdio>
const int MAXN = 50;
double pr1[MAXN + 5][MAXN + 5], pr2[MAXN + 5][MAXN + 5];
double f[MAXN + 5][MAXN + 5], g[MAXN + 5][MAXN + 5];
double dp[MAXN + 5][MAXN + 5];
struct matrix{
double m[MAXN + 5][MAXN + 5];
int r, c;
}M, R;
void init(double p) {
pr1[1][1] = p, pr1[2][1] = 1-p;
f[1][1] = p, f[2][1] = 1-p, g[2][1] = 1;
for(int i=2;i<=MAXN;i++) {
pr1[1][i] = p, pr1[2][i] = (1-p) + p*p, pr2[2][i] = 1;
for(int j=3;j<=MAXN;j++)
pr1[j][i] = pr1[j-1][i]*pr1[j-1][i-1], pr2[j][i] = pr2[j-1][i]*pr1[j-1][i-1];
for(int j=1;j<=MAXN;j++)
f[j][i] = pr1[j][i]*(1-pr1[j][i-1]), g[j][i] = pr2[j][i]*(1-pr1[j][i-1]);
}
dp[1][1] = 1, dp[2][1] = 2;
for(int i=2;i<=MAXN;i++) {
double del = 0; dp[1][i] = 1;
for(int l=1;l<=50;l++)
del += g[l][i-1];
for(int k=1;k<=MAXN;k++)
dp[1][i] += dp[k][i-1]*g[k][i-1]/del;
del = 0;
for(int j=2;j<=MAXN;j++) {
dp[j][i] = j; del += f[j-1][i-1];
for(int k=1;k<j;k++)
dp[j][i] += dp[k][i-1]*f[k][i-1]/del;
}
}
M.r = M.c = MAXN+1;
double del = 0;
for(int i=1;i<=MAXN;i++)
del += g[i][MAXN];
for(int i=1;i<=MAXN;i++)
M.m[1][i] = g[i][MAXN]/del;
del = 0;
for(int i=2;i<=MAXN;i++) {
del += f[i-1][MAXN];
for(int j=1;j<i;j++)
M.m[i][j] = f[j][MAXN]/del;
for(int j=i;j<=MAXN;j++)
M.m[i][j] = 0;
}
for(int i=1;i<=MAXN;i++)
M.m[0][i] = 0, M.m[i][0] = i;
M.m[0][0] = 1;
R.r = MAXN+1, R.c = 1;
for(int i=1;i<=MAXN;i++)
R.m[i][0] = dp[i][MAXN];
R.m[0][0] = 1;
}
matrix operator * (matrix A, matrix B) {
matrix C; C.r = A.r, C.c = B.c;
for(int i=0;i<C.r;i++)
for(int j=0;j<C.c;j++)
C.m[i][j] = 0;
for(int i=0;i<A.r;i++)
for(int j=0;j<B.c;j++)
for(int k=0;k<A.c;k++)
C.m[i][j] += A.m[i][k] * B.m[k][j];
return C;
}
matrix quick_pow(matrix b, int p) {
matrix ret; ret.r = ret.c = b.r;
for(int i=0;i<ret.r;i++)
for(int j=0;j<ret.c;j++)
ret.m[i][j] = (i == j);
while( p ) {
if( p & 1 ) ret = ret * b;
b = b * b;
p >>= 1;
}
return ret;
}
int main() {
int n, p;
scanf("%d%d", &n, &p);
init(p/1E9);
if( n <= MAXN ) {
double ans = 0;
for(int i=1;i<=MAXN;i++)
ans += f[i][n]*dp[i][n];
printf("%lf\n", ans);
}
else {
R = quick_pow(M, n-MAXN)*R;
double ans = 0;
for(int i=1;i<=MAXN;i++)
ans += f[i][MAXN]*R.m[i][0];
printf("%lf\n", ans);
}
}
@details@
不知道为什么想这道题的时候脑子里有一堆史莱姆在滚来滚去。好可爱来着 p(# ̄▽ ̄#)o。
我看了好久才发现那个转移式是个条件概率 QAQ。可能有其他的理解方法,但是我太弱了真的想不到,只能用条件概率去解释 QAQ。
各位过路的 dalao 如果能提供更简洁的理解思路麻烦留言在下面好吗 QAQ。
救救蒟蒻吧 QAQ。