1、题目

给定3个参数， n n n， m m m， k k k

表示怪兽有 n n n 滴血，等着英雄来砍自己

英雄每一次打击，都会让怪兽流失 [0 ~ m m m] 的血量

到底流失多少？每一次在 [0 ~ m m m] 上等概率的获得一个值

求 k k k 次打击之后，英雄把怪兽砍死的概率。

2、思路

本题为字节跳动北美原题。

样本对应模型，因为 n n n 是样本，怪兽0~n滴血； k k k 是样本，可以砍 0~k 刀，二维的，因为 m m m 不变。

英雄每次打击都有 ( m + 1 ) (m+1) (m+1) 种可能，所以每次打击都是 ( m + 1 ) (m+1) (m+1) 次展开，所以总共的可能性是 ( m + 1 ) k (m+1)^k (m+1)k。

枚举每种情况下把怪兽砍死的点数，点数之后 / ( m + 1 ) k (m+1)^k (m+1)k 就是经过 k k k 次打击后把怪兽砍死的概率。

注意：即便在 k k k 次之前砍死了也要继续砍（鞭尸），不剪枝。

暴力递归版本

public class KillMonster {public static double right(int n, int m, int k) {if (n < 1 || m < 1 || k < 1) return 0;long all = (long)Math.pow(m + 1, k); //总的情况数long kill = process(k, m, n); //砍死的情况数return (double)((double)kill / (double)all);}// 怪兽还剩 hp 点血// 每次伤害在 0~m 范围上// 还有 times 次可以打击// 返回砍死的情况数public static long process(int times, int m, int hp) {if (times == 0) {return hp <= 0 ? 1 : 0;}if (hp <= 0) { //血量小于0的时候，获得的生成点就是 (m + 1) ^ (还剩的打击次数)return (long) Math.pow(m + 1, times);}long ways = 0;for (int i = 0; i <= m; i++) {ways += process(times - 1, m, hp - i);}return ways;}
}

动态规划版本

由递推推导 dp 表的时候，如果发现等规模的 dp 表不好构建时（比如出现负数的情况），就总结出一些剪枝的策略进行补进递归中，比如递归中的 hp <= 0 的判断。

//递归函数中可变参数hp（范围0~n）和times（0~k)，所以二维表
public class KillMonster {public static double right(int n, int m, int k) {if (n < 1 || m < 1 || k < 1) return 0;long all = (long)Math.pow(m + 1, k); //总的情况数long[][] dp = new int[k + 1][n + 1];//递归函数中 times 依赖于 times -1，dp[0][0] = 1; //第0行的第0列位置为1，其他位置都是0for (int times = 1; times <= k; times++) {dp[times][0] = (long)Math.pow(m + 1, times); //填0列的值for (int hp = 1; hp <= n; hp++) {long ways = 0;for (int i = 0; i <= m; i++) { //枚举行为//假设还剩3次可以打击，但是此时怪兽血量已经<=0，依然继续打击，每次打击依然是(m+1) 次展开，那么还有 (m+1)^3 个生存点// hp - i可能小于0，所以在前面进行判断//ways += dp[times - 1][hp - i];if (hp - i >= 0) {ways += dp[times - 1][hp - i];} else { //血量<0ways += (long) Math.pow(m + 1, times - 1);}}dp[times][hp] = ways;}}long kill = dp[k][n]; //砍死的情况数return (double)((double) kill / (double) all);}
}

可见确定二维表的值的时有个枚举行为，观察临近位置（观察动态规划中的枚举行为）。

假设 dp[5][10] 表示的是还有 5 次打击，怪兽还剩 10 点血，而每次打击血量流失范围为 0~3，那么 dp[5][10] 依赖于 dp[4][10]、dp[4][9]、dp[4][8]、dp[4][7] （即dp[4][10...7]），而 dp[5][11] 依赖于 dp[4][11]、dp[4][10]、dp[4][9]、dp[4][8]，

那么 dp[5][11] = dp[5][10] + dp[4][11] - dp[4][7] （dp[4][11...8]）。可见依赖的变化范围是和 m m m 相关的。

抽象可得，那么知道了 dp[i][j - 1] 的值如何得到 dp[i][j] 的值呢？

dp[i][j] = dp[i][j - 1] + dp[i - 1][j] - dp[i - 1][j - 1 - m]

所以可以进行优化。

动态规划优化版本（斜率优化）

public class KillMonster {public static double right(int n, int m, int k) {if (n < 1 || m < 1 || k < 1) return 0;long all = (long)Math.pow(m + 1, k); //总的情况数long[][] dp = new int[k + 1][n + 1];//递归函数中 times 依赖于 times -1，dp[0][0] = 1; //第0行的第0列位置为1，其他位置都是0for (int times = 1; times <= k; times++) {dp[times][0] = (long)Math.pow(m + 1, times); //填0列的值for (int hp = 1; hp <= n; hp++) {dp[times][hp] = dp[times][hp - 1] + dp[times - 1][hp];if (hp - 1 - m >= 0) {dp[times][hp] -= dp[times - 1][hp - 1 - m];} else { //这种情况是剩的血量 < 血量消耗范围最大值时，如dp[3][3], m = 5//那么dp[3][3] = dp[2][3...-2]//dp[3][4] = dp[2][4...-1]//则dp[3][4] = dp[3][3] + dp[2][4] - dp[2][-2], 而 dp[2][-2] 的情况是由公式决定的dp[times][hp] -= Math.pow(m + 1, times - 1);}}}long kill = dp[k][n]; //砍死的情况数return (double)((double) kill / (double) all);}
}

动态规划：砍死怪兽的概率相关推荐

动态规划-打败怪兽的概率(java)
打败怪兽的概率打败怪兽的概率暴力递归代码演示动态规划代码演示动态规划专题打败怪兽的概率给定3个参数,N,M,K 怪兽有N滴血, 等着英雄来砍自己英雄每一次打击, 都会让怪兽流失[0~ ...
2022-11-09：给定怪兽的血量为hp 第i回合如果用刀砍，怪兽在这回合会直接掉血，没有后续效果第i回合如果用毒，怪兽在这回合不会掉血，但是之后每回合都会掉血，并且所有中毒的后续效果会叠加给
2022-11-09:给定怪兽的血量为hp 第i回合如果用刀砍,怪兽在这回合会直接掉血,没有后续效果第i回合如果用毒,怪兽在这回合不会掉血, 但是之后每回合都会掉血,并且所有中毒的后续效果会叠加给 ...
给出3个参数，N,M,K,怪兽有N滴血，等着英雄来砍自己，英雄每一次打击，都会让怪兽流失[0~M]的血量，到底流失多少？每一次在[0~M]上等概率的获取一个值，求K次打击之后，英雄把怪兽砍死的概率
问题描述:给出3个参数,N,M,K,怪兽有N滴血,等着英雄来砍自己,英雄每一次打击,都会让怪兽流失[0~M]的血量,到底流失多少?每一次在[0~M]上等概率的获取一个值,求K次打击之后,英雄把怪兽砍死 ...
负载大逃亡：四十二路怪兽联军及七条逃生法则(很喜欢)
负载大逃亡:四十二路怪兽联军及七条逃生法则摘要:横向扩展与纵向扩展帮助我们处理了大量的高负载问题,然而优秀的程序设计仍然是不可忽视的.一个有设计缺陷的应用程序在低负载情况下可能表现不出来,然而随着负 ...
（转)负载大逃亡：四十二路怪兽联军及七条逃生法则
转:http://www.csdn.net/article/2013-03-21/2814590-load-increase-42-monsters-7-life-save 摘要:横向扩展与纵向扩展帮 ...
Java-打怪兽趣味小游戏(附效果图)
注:此项目主要用来巩固面向对象以及父类子类继承这一块的知识,其中涉及循环以及随机函数的灵活运用一.定义父类(怪兽类)和父类(玩家类) 1.怪兽类的属性和方法属性:攻击力,生命值: 方法:怪兽普通攻 ...
（转）算法帝国：华尔街交易怪兽的核武器缔造史
算法帝国:华尔街交易怪兽的核武器缔造史华尔街见闻 2017-02-01 访问量 570 1980年华尔街的黑客生涯:天时地利 http://wallstreetcn.com/node/287583 ...
2018-2-22 《啊哈，算法》再练习广度优先搜索，题：炸怪兽, 2-23改用深度优先搜索。宝岛探险（广度，深度，及地图着色）2-24水管工游戏，2-25测试水管工代码...
2小时. 先是是纠错,通过对代码运行过程的测试.发现是变量打错.以及录入地图❌. 重构练习题,改使用while..end代替for in. ⚠️ : 在while(k <= n)中如果用到nex ...
算法期中1007. 怪兽训练（找出有向图中所有的强连通分量的Kosaraju算法）
Description 贝爷的人生乐趣之一就是约战马会长. 他知道马会长喜欢和怪兽对决,于是他训练了N只怪兽,并对怪兽用0到N-1的整数进行编号. 贝爷训练怪兽的方式是让它们一对一互殴. 两只怪兽互殴 ...

动态规划：砍死怪兽的概率

1、题目

2、思路

动态规划：砍死怪兽的概率相关推荐

最新文章

热门文章