奖励关(期望dp)
你正在玩你最喜欢的电子游戏,并且刚刚进入一个奖励关。在这个奖励关里,系统将依次随机抛出k次宝物,每次你都可以选择吃或者不吃(必须在抛出下一个宝物之前做出选择,且现在决定不吃的宝物以后也不能再吃)。宝物一共有n种,系统每次抛出这n种宝物的概率都相同且相互独立。也就是说,即使前k-1 次系统都抛出宝物1(这种情况是有可能出现的,尽管概率非常小),第k次抛出各个宝物的概率依然均为1/n。获取第 i 种宝物将得到Pi分,但并不是每种宝物都是可以随意获取的。第i种宝物有一个前提宝物集合Si。只有当Si中所有宝物都至少吃过一次,才能吃第i 种宝物(如果系统抛出了一个目前不能吃的宝物,相当于白白的损失了一次机会)。注意,Pi 可以是负数,但如果它是很多高分宝物的前提,损失短期利益而吃掉这个负分宝物将获得更大的长期利益。假设你采取最优策略,平均情况你一共能在奖励关得到多少分值?1 <= k <= 100, 1 <= n <= 15,分值为[-106,106]内的整数。
据说要倒推啊,这样才能保证不会出现推出无用状态。。其实我也不是特别懂。
#include <cstdio>
#include <algorithm>
using namespace std;
const int maxn=17;
int k, n, bit[maxn];
int v[maxn], pre[maxn];
double f[110][1<<(maxn-1)];
void init_bit(){
bit[0]=1;
for (int i=1; i<maxn; ++i)
bit[i]=bit[i-1]<<1;
}
int main(){
init_bit();
scanf("%d%d", &k, &n);
int x;
for (int i=1; i<=n; ++i){
scanf("%d", &v[i]);
while (true){
scanf("%d", &x); if (x==0) break;
pre[i]+=bit[x-1];
}
}
for (int i=k-1; i>=0; --i)
for (int j=0; j<bit[n]; ++j){
for (int t=1; t<=n; ++t){
if ((pre[t]&j)==pre[t])
f[i][j]+=max(f[i+1][j],
f[i+1][j|bit[t-1]]+v[t]);
else f[i][j]+=f[i+1][j];
}
f[i][j]/=n;
}
printf("%.6lf
", f[0][0]);
return 0;
}