题目:把n个骰子仍在地上,所有骰子的点数和为s。输入n,打印s所有可能取值的概率。
分析1:容易知道,有n个骰子的话,s的最小取值为n(全为1),最大取值为6n(全为6)。
如果只有1个骰子,那么很简单,s取1,2,3,4,5,6的情况数均为1,概率为1/6;设想有n个骰子,出现和为s,我们可以这样考虑,如果第一个骰子有6中情况,取1,2,3,4,5,6;那么剩下的n-1个骰子的和则分别取s-1,s-2, s-3,s-4,s-5, s-6,我们将所有这些情况相加,就可以得出总的情况数。看出了吗?亲,这是什么问题?对了,还是递归问题,根据以上分析我们不难写出如下的递归公式:
对公式的说明:(1)f(s,n)表示,有n个骰子,出现和为s的情况总数;(2)对于公式第二行的解释;如果有一个骰子,那么点数为8或者0的情况数,我们记为0,这样是为了在计算递归时更为方便所作的处理;例如有公式可知f(8,2)=f(7,1)+f(6,1)+f(5,1)+f(4,1)+f(3,1)+f(2,1),如果我们规定了f(7,1)=0那么计算会方便很多。
有了上面的分析,我们可以写出如下的C++代码:
1 #include2 #include 3 #include 4 using namespace std; 5 6 7 int diceMaxValue = 6; 8 //计算给定diceNumber个骰子,出现和为diceTotalSum的所有可能情况的总数 9 int fun(int diceTotalSum, int diceNumber) 10 { 11 //骰子数小于1,错误; 12 if(diceNumber < 1) 13 { 14 cout<<"diceNumber must >= 1"< = diceNumber && diceTotalSum <= diceMaxValue*diceNumber)) 23 return 1; 24 else 25 return 0; 26 } 27 28 //n>1,递归; 29 if(diceNumber > 1) 30 { 31 int sum=0; 32 for(int i = 1; i <= diceMaxValue;++i){ 33 sum += fun(diceTotalSum-i,diceNumber-1); 34 } 35 return sum; 36 } 37 } 38 39 //给定number个骰子,打印出现各种情况的概率 40 void printSumProbabilityOfDice(int number) 41 { 42 if(number < 1) 43 { 44 return; 45 } 46 47 int maxSum = number * diceMaxValue; 48 float *pProbability = new float[maxSum - number + 1]; 49 50 //数组pProbability存放出现和s时的情况数 51 for(int s = number;s <= maxSum;++s) 52 { 53 pProbability[s-number] = fun(s,number); 54 } 55 56 //计算总共出现所有的情况数 57 int total = pow(diceMaxValue,number); 58 59 //计算概率,打印概率 60 for(int j = 0;j < maxSum - number + 1;++j) 61 { 62 pProbability[j] /= total; 63 cout< <<"\t"< <
我们计算3个骰子的情况,运行情况如下:
在开始的定义中,我定义了一个表示单个骰子最大值的变量,并赋值为6,是借鉴了博主所说的保证代码的可重用性。
分析2:和算法2中求解斐波那契数列的方法类似,递归的效率太差,我们可以正向来求解,假设我们有一个数组表示k-1个骰子中各点数的情况,令第s个分量表示和为s时情况总数,那么当有k个骰子是,其和为s时的情况总数,就是表示k-1骰子的数组中的s-1,s-2,s-3,s-4,s-5,s-6的和(分别令引入的第k个骰子的值分别取1,2,3,4,5,6即可,其实和分析1的思路差不太多)。根据这个思想,我们可以用两个数组交替表示数组k-1和数组k,于是我们有如下的代码:
#include#include #include using namespace std; int diceMaxValue = 6; void PrintProbabilityOfDice(int number) { double* pProbability[2]; pProbability[0] = new double[number * diceMaxValue + 1]; pProbability[1] = new double[number * diceMaxValue + 1]; //初始化数组 for(int i = 0;i < number * diceMaxValue + 1;++i) { pProbability[0][i]=0; pProbability[1][i]=0; } int flag = 0; //将第一个数组下标为1-6的赋值为1 for(int a = 1;a <= diceMaxValue;++a) { pProbability[flag][a] = 1; } //骰子数k从2到n循环;对于每一k,s取值为[k,6k],对于每一个s计算前一个数组 //的s-1,s-2,s-3,s-4,s-5,s-6;因为前一个数组的最小值为k-1,因为因而有s-j>=k-1; for(int k = 2;k <= number;++k) { for(int s = k; s <= diceMaxValue * k;++s) { pProbability[1-flag][s] = 0; for(int j = 1;j <= diceMaxValue && j <= s - k + 1;++j) { pProbability[1-flag][s] += pProbability[flag][s-j]; } } flag = 1-flag; } //除以总数,计算并输出概率; double total = pow((double)diceMaxValue,number); for(int ss = number;ss <= number * diceMaxValue;++ss) { pProbability[flag][ss] /= total; cout< <<"\t"< <
运行结果如下:
最后分析:我们看到和【算法02】中提到的一样,虽然该算法的时间复杂度提高了很多,但是动态创建了两个数组,而且每一个的数组长度都没分析1中的长度多了一个n,因而还是以空间换时间的思想。好了,这个算法就到这,祝各位愉快!
参考文献:
【1】何海涛博客:
【2】Wikipedia:
【3】
注:
1)本博客所有的代码环境编译均为win7+VC6。所有代码均经过博主上机调试。
2)博主python27对本博客文章享有版权,网络转载请注明出处。对解题思路有任何建议,欢迎在评论中告知。