[CF457D] Bingo!

本文深入探讨了一道结合概率动态规划与组合数学的问题,详细解释了如何通过计算特定状态下行列数的组合来求解得分期望值。文章提供了完整的解析过程,包括状态贡献的计算、概率的定义以及组合数的高效计算方法。

题意

洛谷
在这里插入图片描述

思路

与其说是一道概率dp,不如说是一道组合数学。

我们考虑计算一个状态 S S S的贡献,它被涂黑的行列数记为 f ( S ) = x + y f(S)=x+y f(S)=x+y,则对分数的贡献为 2 f ( S ) = 2 x + y = 2 x ∗ 2 y 2^{f(S)} =2^{x+y}=2^x*2^y 2f(S)=2x+y=2x2y,所以 S S S状态的分数贡献就是 x x x y y y列的子集数量。

S S S状态的集合为 M M M,则 S S S的得分期望值为
1 ∣ M ∣ ∑ S ′ ∈ S 2 f ( S ′ ) = 1 ∣ M ∣ ∑ S ′ ∈ S ∑ i = 0 n ∑ j = 0 n \frac{1}{|M|}\sum_{S'\in S}2^{f(S')}=\frac{1}{|M|}\sum_{S'\in S}\sum_{i=0}^{n}\sum_{j=0}^{n} M1SS2f(S)=M1SSi=0nj=0n(从 S ′ S' S被完全标记的行列中选取 i i i j j j列的方案数)

P x , y P_{x,y} Px,y为选出 x x x y y y列被涂黑的概率,则状态 S ′ S' S选出 x x x y y y列的方案数为 P x , y ∗ C n x C n y P_{x,y}*C_{n}^{x}C_{n}^{y} Px,yCnxCny,那么总的方案数就为 ∑ x = 0 n ∑ y = 0 n P x , y ∗ C n x C n y \sum_{x=0}^{n}\sum_{y=0}^{n}P_{x,y}*C_{n}^{x}C_{n}^{y} x=0ny=0nPx,yCnxCny

下面考虑如何计算 P x , y P_{x,y} Px,y m m m中选 k k k,总共有 C m k C_{m}^{k} Cmk种方案。容易知道,设 N u m = x n + y n − x y Num=xn+yn-xy Num=xn+ynxy,就是这 x x x y y y列的总格子数,因为要被涂黑,所以这 N u m Num Num个数一定包含在选取的 k k k个数中。而其他的 k − N u m k-Num kNum个数则随意选取,方案数为 C m − N u m k − N u m C_{m-Num}^{k-Num} CmNumkNum,所以 P x , y = C m − N u m k − N u m C m k P_{x,y}=\frac{C_{m-Num}^{k-Num}}{C_{m}^{k}} Px,y=CmkCmNumkNum。然而会发现,剩下的涂了之后会导致行、列数大于 x x x y y y,我们只需要改变 P x , y P_{x,y} Px,y的含义为至少选出 x x x y y y列被涂黑的概率即可。

至此为止,公式就推出来了,可以套公式直接算,预处理组合数的话复杂度为 O ( M a x ( n 2 , m ) ) O(Max(n^2,m)) O(Max(n2,m)),然而这道题是没有模数的,意味着阶乘算组合数时会爆炸,我们就需要一些方法计算组合数。

l g [ i ] = l o g ( i ! ) lg[i]=log(i!) lg[i]=log(i!)(这是一些同学最喜欢的数组),得到 l g [ i ] = l o g ( i ! ) = l o g ( i ∗ ( i − 1 ) ! ) = l g [ i − 1 ] + l o g ( i ) lg[i]=log(i!)=log(i*(i-1)!)=lg[i-1]+log(i) lg[i]=log(i!)=log(i(i1)!)=lg[i1]+log(i),这里大家学多项式的时候应该都知道了。我们知道, C n m = J C [ n ] / J C [ m ] / J C [ n − m ] C_{n}^{m}=JC[n]/JC[m]/JC[n-m] Cnm=JC[n]/JC[m]/JC[nm],通过 l g lg lg数组,我们可以将阶乘的乘除转换为指数的加减,由此可以得到: C n m = e x p ( l g [ n ] − l g [ m ] − l g [ n − m ] ) C_{n}^{m}=exp(lg[n]-lg[m]-lg[n-m]) Cnm=exp(lg[n]lg[m]lg[nm])。这道题数据太大了,要使用long double,输出时转为double即可。

Code:

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#define MAXN 100005
#define Mod 1000000007
#define LL long long
#define DB double
#define LD long double
#define Int register int
using namespace std;
inline void read(LL &x)
{
	x = 0;
	LL f = 1;
	char s = getchar();
	while (s < '0' || s > '9')
	{
		if (s == '-')	
			f = -1;
		s = getchar();
	}
	while (s >= '0' && s <= '9')
	{
		x = (x << 3) + (x << 1) + (s ^ 48);
		s = getchar();
	}
	x *= f;
}
inline LL QuickPow(LL x,LL y)
{
	LL Res = 1, Temp = x;
	while ( y )
	{
		if (y & 1)
			Res = Res * Temp % Mod;
		Temp = Temp * Temp % Mod;
		y /= 2;
	}
	return Res;
}
LD lg[MAXN], Ans;
inline LD C(LL n,LL m)
{
	return lg[n] - lg[m] - lg[n - m];
}
int main()
{
	LL n, m, k;
	read( n ); read( m ); read( k );
	for (Int i = 2; i <= m; ++ i)
		lg[i] = lg[i - 1] + log( i );
	for (Int r = 0; r <= n; ++ r)
		for (Int c = 0; c <= n; ++ c)
		{
			LL Num = (r + c) * n - r * c;
			if (Num <= k)
				Ans += exp(C(n, r) + C(n, c) + C(m - Num, k - Num) - C(m, k));
		}
	if (Ans < 1e99)
		printf("%.10lf", (DB)Ans);
	else printf("1e99");
	return 0;
}
内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值