zoukankan      html  css  js  c++  java
  • hdu4465 2012 Asia Chengdu Regional Contest 概率期望计算+对数放大/缩小幂指数+对数还原

     1 //http://www.cnblogs.com/yefeng1627/archive/2013/04/24/3040112.html
     2 #include<iostream>
     3 #include<cstdlib>//最好开这个库//数学计算交c++更快
     4 #include<stdio.h>
     5 #include<string.h>
     6 #include<math.h>
     7 #define maxn 410000
     8 double F[maxn];
     9 void builtF()
    10 {
    11     F[1]=0;
    12     for(int i=1;i<=maxn;i++)
    13     {
    14         F[i]=F[i-1]+log((double)i);
    15     }
    16     return ;
    17 }
    18 double getC(int n,int m)
    19 {
    20    // if (m==0) return 1;画蛇添足
    21     double ans=F[n]-F[n-m]-F[m];
    22     return ans;
    23 }
    24 using namespace std;
    25 int main()
    26 {
    27     builtF();
    28     int n;
    29     double p;
    30     int cas=0;
    31     while(~scanf("%d%lf",&n,&p))
    32     {
    33         cas++;
    34         double p1=log(p);
    35         double p2=log(1-p);
    36         double ans=0;
    37         for(int i=0;i<=n-1;i++)
    38         {
    39             ans+=(n-i)*((exp(+getC(n+i,i)+(n+1)*p1+i*p2)+exp(+getC(n+i,i)+(n+1)*p2+i*p1)));
    40         }
    41         printf("Case %d: %.6f
    ",cas,ans);
    42     }
    43     return 0;
    44 }
    View Code

    问题描述:两个盒子,各装n个球,每次打开一个盒子,并拿走一个球,已知每次打开盒子1的概率是p,直到某次打开一个盒子是空的,求另一个盒子剩余的球数的期望。

    关键算法:1、概率计算时有个坑,就是空盒子被打开了n+1次,而不是n次。

                      所以答案就是=sum{(n-i)*C(i,n+i)*p^n*(1-p)^i*p} + sum{(n-i)*C(i,n+i)*(1-p)^n*p^i*(1-p)}   0<=i<n, i 表示非空盒中已拿走的球的个数

                  2、对数放缩:

                  (1)C(m,n)=n!/(m!*(n-m)!) ==>  log(C(m,n))=log(n!)-log(m!)-log((n-m)!) 要知道log(10000!)都是很小的,解决了组合数存储爆long long的问题;

                  (2)我们知道p是小于1的小数,那么在p^n,n很大时就会损失精度,double也不可存储,所以我们用 log(p^n)=nlog(p);自然就可存储下来了

                  (3)还原时,使用exp(sum)即可,但是要注意,使用cmath库中的数学函数时,用c++提交会大大减少时间,是900ms到200ms的差距啊!!!!

                                               

  • 相关阅读:
    Java.util.concurrent包学习(一) BlockingQueue接口
    [转载]最牛B的编码套路
    思考人生
    非奇异矩阵的零度互补法则
    Hopfield 网络(下)
    Hopfield 网络(上)
    矩阵的相似性与对角化
    左右特征向量
    特征多项式、代数重数与几何重数
    特征值和特征向量
  • 原文地址:https://www.cnblogs.com/little-w/p/3399104.html
Copyright © 2011-2022 走看看