聚烷撑乙二醇(数学+期望)
problem
有 nnn 个随机数生成器,第 iii 个生成器可以均匀随机地生成 [Li,Ri][L_i,R_i][Li,Ri] 内的一个实数。
现在你要玩个游戏,从第 111 个生成器到第 nnn 个生成器,每次当前生成器会生成一个数,你需要选择:
- 相信鲁迅,拿走这个数,游戏结束。
- 相信鲁迅,放弃这个数和这个生成器,使用下一个生成器(前提是下一个生成器必须存在)。
求使用使得期望答案最大的策略时,期望答案是多少。
solution
observation
:对于一个均匀随机生成 [Li,Ri][L_i,R_i][Li,Ri] 的生成器,生成数的期望为 Li+Ri2\frac{L_i+R_i}{2}2Li+Ri。
显然,如果上一个生成器产生的期望为 xxx,下一个生成器产生数的期望 yyy,且 x<yx<yx<y,肯定是选择下一个生成器。
更一般地,从后往前推。
设 fi:f_i:fi: 从第 iii 个生成器开始游戏得到的最大期望。
比较与 Li−1,Ri−1L_{i-1},R_{i-1}Li−1,Ri−1 的大小关系。
- fi>Ri−1f_{i}>R_{i-1}fi>Ri−1,则 fi−1=fif_{i-1}=f_{i}fi−1=fi
- fi<Li−1f_{i}<L_{i-1}fi<Li−1,则 fi−1=Li−1+Ri−12f_{i-1}=\frac{L_{i-1}+R_{i-1}}{2}fi−1=2Li−1+Ri−1
- otherwise\text{otherwise}otherwise,k=fi−Li−1Ri−1−Li−1⇒fi−1=k∗fi+(1−k)∗(fi+Ri−1)2k=\frac{f_{i}-L_{i-1}}{R_{i-1}-L_{i-1}}\Rightarrow f_{i-1}=k*f_{i}+(1-k)*\frac{(f_i+R_{i-1})}{2}k=Ri−1−Li−1fi−Li−1⇒fi−1=k∗fi+(1−k)∗2(fi+Ri−1)
计算方法就是加权平均。
code
#include <cstdio>
#include <iostream>
using namespace std;
#define double long double
#define maxn 1000005
#define eps 1e-7
int n;
double l[maxn], r[maxn], f[maxn];int main() {freopen( "pag.in", "r", stdin );freopen( "pag.out", "w", stdout );scanf( "%d", &n );for( int i = 1;i <= n;i ++ ) scanf( "%Lf %Lf", &l[i], &r[i] );f[n] = ( l[n] + r[n] ) / 2;for( int i = n - 1;i;i -- ) {if( f[i + 1] - r[i] >= eps ) f[i] = f[i + 1];else if( f[i + 1] - l[i] >= eps ) {double k = ( f[i + 1] - l[i] ) / ( r[i] - l[i] );f[i] = k * f[i + 1] + ( 1 - k ) * ( r[i] + f[i + 1] ) / 2;}else f[i] = ( l[i] + r[i] ) / 2;}double ans = 0;for( int i = 1;i <= n;i ++ ) ans = max( ans, f[i] );printf( "%.5Lf\n", ans );return 0;
}
聚烷撑乙二醇(数学+期望)相关推荐
- python 数学期望_python机器学习笔记:EM算法
完整代码及其数据,请移步小编的GitHub 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/MachineLearningNote EM算法也称期望最大化 ...
- 随机变量的数字特征(数学期望,方差,协方差与相关系数)
戳这里:概率论思维导图 !!! 数学期望 离散型随机变量的数学期望 (这里要求级数绝对收敛,若不绝对收敛,则E(X)不存在) 如果有绝对收敛,则有 ,其中 连续型随机变量的数学期望 (这里要求绝对收敛 ...
- 解题报告(一)F、(2018 ACM - ICPC shenyang I)Distance Between Sweethearts(数学期望 + 乘法原理 + FWT)(4.5)
繁凡出品的全新系列:解题报告系列 -- 超高质量算法题单,配套我写的超高质量题解和代码,题目难度不一定按照题号排序,我会在每道题后面加上题目难度指数(1∼51 \sim 51∼5),以模板题难度 11 ...
- R语言:求二维变量数学期望
想做一个二维变量数学期望实验, 查看若干资料终于找到方法 先看这篇文章熟悉一下R的函数 http://www.cyclismo.org/tutorial/R/tables.html 构造数据 通过下面 ...
- hdu 5419(数学期望)
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=5419 题解: 首先分母是C(m,3),考虑如何求出分子 考虑数学期望的独立性,我们首先可以用线性的时间 ...
- 概率论-2.2 随机变量的数学期望(重点:随机变量X的期望)
分布有关的特征数:均值,方差,分位数等 期望的定义: 设离散随机变量X的分布列为pi=p(xi)=P(X=xi),i=1,2,-,n 若Sum(| xi |*p(xi))收敛(等价于Sum( xi * ...
- jzoj3801-[NOIP2014模拟8.23]骰子【数学期望】
正题 题目链接:https://jzoj.net/senior/#main/show/3801 题目大意 mmm面的骰子是1∼m1\sim m1∼m,然后丢nnn次,求最大值的数学期望. 解题思路 若 ...
- HDU - 4586 数学期望
题意 有一个骰子有n个面,掷到每一个面的概率是相等的,每一个面上都有相应的钱数.其中当你掷到某些面 一共m个面之一时,你有多掷一次的机会.问最后所得钱数的期望. 分析 数学期望是什么 数学期望就是一种 ...
- 几何分布的期望和方差公式推导_超几何分布的数学期望与方差推导
考虑 个外表相同的物品,其中有 个同类物品与另一类的 个物品:抽取 个物品,每个物品的抽取等概率随机. 上述便是一个超几何分布(Hypergeometric Distribution)的基本模型. 抽 ...
最新文章
- 如何自学Python?这本技术大咖推荐Python书籍,就是你的第一选择
- 一次mysql瘫痪解救
- Google Brain与牛津大学主持最新《计算机视觉前沿》报告(146页PPT)
- Windows下32位汇编语言读取键盘输入单字符
- HttpClient 使用
- 怎样进入服务器修改东西,进入服务器修改数据库
- UrlReWriter 使用经验小结
- Sqoop数据迁移工具的使用
- 学计算机辐射,离散数学对计算机专业系统知识辐射作用.doc
- ShiftViT用Swin Transformer的精度跑赢ResNet的速度,论述ViT的成功不在注意力!
- 恭喜我司李震博士被聘为南京航空航天大学兼职教授
- 内蒙古农业大学微型计算机,内蒙古农业大学微机原理重点
- iOS通过ASIHTTPRequest提交JSON数据
- java jsessionid 会话_jsessionid 对JAVA WEB jsessionid的剖析
- 教你电脑微信多开方法,超级简单_多啦咪
- c语言程序中如何用超链接,使用id引用超链接
- OpenVINO之链接库
- 很多程序员都没搞明白的时间与时区知识 - 24时区/GMT/UTC/DST/CST/ISO8601
- ixgbe 驱动安装
- SAP Memory ABAP Memory超级详细解析
热门文章
- 人工智能路上,怎么能少了它!
- bat脚本中获取上级目录_使用Python写一个可以监控Tomcat 运行的脚本,并且把.py文件转换成.exe文件...
- 增长率不用计算机,事业单位行测:这类资料分析题根本不用计算
- 计算机表演赛新疆赛区,【图】第二十六届中国儿童青少年威盛中国芯HTC计算机表演赛“中国电信天翼杯”新疆赛区总决赛圆满结束_乌鲁木齐教育信息网...
- SimpleXMLRPC_python xmlrpclib SimpleXMLRPCServer 模块
- 如何查询服务器是否安装系统时间,如何查看系统当前的NTP配置?
- win7美化_Potplayer64位美化版,无棒子的tv推送
- echarts 地图自定义图标_DMKB08:Echarts 分段设色
- java实用教程——常用实用类——String类(字符串类)
- pytorch tensor 初始化_PyTorch简明笔记[1]-Tensor的初始化和基本操作