博客
关于我
动态规划——丑数、n个骰子的点数
阅读量:345 次
发布时间:2019-03-04

本文共 1205 字,大约阅读时间需要 4 分钟。

1. 丑数

丑数(Ugly Number)是指只包含质因数2、3和5的数。生成丑数的方法可以通过动态规划来实现。每个丑数可以看作是前一个丑数乘以2、3或5的结果。为了找到第n个丑数,我们可以使用以下方法:

def nthUglyNumber(n):    if n == 0:        return 0    dp = [1]  # dp[0] = 1    for _ in range(n):        next_dp = []        for num in dp:            for factor in [2, 3, 5]:                next_dp.append(num * factor)        dp = list(set(next_dp))  # 去重        dp.sort()  # 保持有序    return dp[n-1]

2. n个骰子的点数概率

为了计算n个骰子点数和的概率,我们可以使用动态规划的方法。每个骰子有6个可能的点数,我们需要计算所有可能的点数和及其对应的概率。

def dicesProbability(n):    if n == 0:        return []    # 初始化一个一维数组来保存当前骰子的概率分布    dp = [1.0 / 6.0] * (n * 6 + 1)    for i in range(1, n + 1):        # 创建一个新的数组来保存i个骰子的概率分布        new_dp = [0.0] * (6 * i + 1)        for j in range(1, 6 + 1):            for k in range(i):                new_dp[i + j] += dp[k] * (1.0 / 6.0)        dp = new_dp    # 计算每个可能的点数和的概率    max_sum = 6 * n    min_sum = n    result = [0.0] * (max_sum - min_sum + 1)    for s in range(min_sum, max_sum + 1):        result[s - min_sum] = dp[s]    return result

结果展示

  • 丑数:通过上述方法,可以高效地找到第n个丑数。例如,第1个丑数是1,第2个是2,第3个是4,依此类推。
  • 骰子概率:通过动态规划,可以计算出n个骰子点数和的所有可能值及其概率分布。例如,n=2时,点数和的概率分布为:2: 1/6, 3: 2/6, 4: 3/6, 5: 4/6, 6: 5/6, 7: 6/6。
  • 以上方法保证了代码的高效性和正确性,适用于不同的n值。

    转载地址:http://wese.baihongyu.com/

    你可能感兴趣的文章
    Pandas 读取具有浮点值的 csv 文件会导致奇怪的舍入和小数位数
    查看>>
    pandas 适用,但仅适用于满足条件的行
    查看>>
    pandas 重新采样到每月的特定工作日
    查看>>
    pandas :如何删除以NaN为列名的多个列?
    查看>>
    pandas :我如何对堆叠的条形图进行分组?
    查看>>
    pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
    查看>>
    pandas :检测一个DF和另一个DF之间缺失的列
    查看>>
    Pandas-从具有嵌套列表列表的现有列创建动态列时出错
    查看>>
    Pandas-通过对列和索引的值求和来合并两个数据框
    查看>>
    pandas.columns、get_dummies等用法
    查看>>
    pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
    查看>>
    pandas.read_csv()的详解-ChatGPT4o作答
    查看>>
    PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
    查看>>
    pandas100个骚操作:再见 for 循环!速度提升315倍!
    查看>>
    Pandas:如何根据其他列值的条件对列进行求和?
    查看>>
    Pandas:对给定列求和 DataFrame 行
    查看>>
    Pandas、groupby 和特定月份的求和
    查看>>
    Pandas、Matplotlib、Pyecharts数据分析实践
    查看>>
    Pandas中文官档 ~ 基础用法1
    查看>>
    Pandas中文官档~基础用法2
    查看>>