• 按位或[HAOI2015]


    题目描述

    刚开始你有一个数字 (0) ,每一秒钟你会随机选择一个 ([0,2^n-1]) 的数字,与你手上的数字进行或(C++, C 的 |, Pascal 的 or)操作。选择数字 (i) 的概率是 (p[i])(保证 (0le p[i]le 1, sum p[i]=1) ) 问期望多少秒后,你手上的数字变成 (2^n-1)

    题解

    min-max容斥:

    (max(S)=sumlimits_{T subset S cap T eq varnothing} (-1)^{|T|+1}min(T))

    (max(S)) 表示集合 (S) 的最大元素

    证明大概就是除了 (max(S)) 剩一个,其他都加加减减消掉了。。。

    如果我们设 (E(x)) 表示二进制中 (x) 这一位第一次变成 (1) 的期望步数,则有

    (maxlimits_{xin S}E(x)=sumlimits_{T subset S cap T eq varnothing} (-1)^{|T|+1}minlimits_{yin T}E(y))

    (maxlimits_{xin S}E(x)) 也就是 (S) 中所有位都变成 (1) 的期望步数, (minlimits_{xin S}E(x)) 即为 (S) 中至少有 (1) 位变成 (1) 的期望步数

    考虑后者怎么求,一步就使得 (S) 中至少有 (1) 位变成 (1) 的概率为 ((1-sumlimits_{icap S=varnothing} p[i])) ,所以期望步数就是 (dfrac{1}{1-sumlimits_{icap S=varnothing} p[i]})

    假设 (S_0)(S) 的补集,那么 (sumlimits_{icap S=varnothing} p[i]=sumlimits_{isubseteq S_0} p[i]) ,右式可以用FMT或者状压DP在 (O(n2^n)) 的复杂度中求得 那么 (minlimits_{xin S}E(x)=dfrac{1}{1-sumlimits_{isubseteq S_0} p[i]}) 然后套用上面的minmax容斥即可 答案即为 (maxlimits_{xin S}E(2^n-1))

    无解判断方法很多也很好判断就不说了

    #include <bits/stdc++.h>
    #define N 1100005
    using namespace std;
    typedef long long ll;
    
    int n;
    double a[N], ans;
    
    void FWT(double *F) {
    	for (int i = 1; i < (1<<n); i<<=1) {
    		for (int p = i<<1, j = 0; j < (1<<n); j += p) {
    			for (int k = 0; k < i; k++) {
    				double x = F[j+k], y = F[j+k+i];
    				F[j+k] = x; F[j+k+i] = x + y;
    			}
    		}
    	}
    }
    
    int main() {
    	scanf("%d", &n);
    	for (int i = 0; i < (1<<n); i++) scanf("%lf", &a[i]);
    	FWT(a);
    	for (int i = 1; i < (1<<n); i++) {
    		if (1.0-a[((1<<n)-1)^i] <= 1e-8) {
    			puts("INF"); return 0;
    		}
    		if (__builtin_popcount(i) & 1) ans += 1.0 / (1.0-a[((1<<n)-1)^i]);
    		else ans -= 1.0 / (1.0-a[((1<<n)-1)^i]);
    	}
    	printf("%.10lf", ans);
    	return 0;
    } 
    
  • 相关阅读:
    选择排序--简单(c语言)
    冒泡排序--简单(c++)
    冒泡排序--简单(c语言)
    直接插入排序--简单(c++)
    Microsoft Azure File 服务简介
    【 D3.js 选择集与数据详解 — 1 】 使用datum()绑定数据
    物联网操作系统HelloX V1.77(beta)版本发布
    对XX证券报关于物联网操作系统的几个问题的答复
    使用 Azure Site Recovery 将内部部署虚拟化工作负荷迁移至 Azure
    使用 Azure Site Recovery 灾难恢复至 Azure 的功能现已正式发布
  • 原文地址:https://www.cnblogs.com/ak-dream/p/AK_DREAM118.html
Copyright © 2020-2023  润新知