剑指Offer50-n个色子的点数-CSDN博客

本文链接：https://blog.csdn.net/qq_26822029/article/details/104419047

本文详细解析了剑指Offer中一道关于计算n个骰子点数之和的概率问题，采用动态规划方法，通过定义二维数组dp进行状态转移，最终得出所有可能点数和的概率分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

剑指Offer典型题整理 - 争取做最好的题解
整理时间：2020年02月20日

1 题目描述

把n个骰子扔在地上，所有骰子朝上一面的点数之和为s。输入n，打印出s的所有可能的值出现的概率。

你需要用一个浮点数数组返回答案，其中第 i 个元素代表这 n 个骰子所能掷出的点数集合中第 i 小的那个的概率。

示例

输入: 1
输出: [0.16667,0.16667,0.16667,0.16667,0.16667,0.16667]

输入: 2
输出: [0.02778,0.05556,0.08333,0.11111,0.13889,0.16667,0.13889,0.11111,0.08333,0.05556,0.02778]

2 题解

一开始我以为这是一道数学题，想着找找规律，Emmmm，然鹅并没什么规律。后来发现这是一道动态规划题目，一直以为动态规划的题目主要用来求最XX问题的，所以没有往DP上想，看样子动态规划学的还是不太行。

2.1 定义dp与初始化

如果用二维数组实现DP，就需要定义一个行数为 $n + 1$ ，列数为 $6 * n + 1$ 的矩阵，dp[i][j]表示使用i个色子出现的和为j的次数。并且将下标为1的那一行初始化：

dp = [[0 for i in range(6 * n + 1)] for j in range(n + 1)]
for i in range(1, 7):
	dp[1][i] = 1

2.2 定义状态转移方程

这个问题之所以能够使用DP解决，就是因为状态可以叠加：k个色子求和的结果和k-1个色子有关。当有k-1个骰子时，再增加一个骰子，这个骰子的点数只可能为1、2、3、4、5或6。在k-1个骰子的基础上，再增加一个骰子出现点数和为n只有下面6中情况：

(k-1,n-1)：第k个骰子投了点数1

(k-1,n-2)：第k个骰子投了点数2

(k-1,n-3)：第k个骰子投了点数3

…

(k-1,n-6)：第k个骰子投了点数6

所以：f(k,n)=f(k-1,n-1)+f(k-1,n-2)+f(k-1,n-3)+f(k-1,n-4)+f(k-1,n-5)+f(k-1,n-6)

2.3 代码实现

C++代码

class Solution {
public:
    vector<double> twoSum(int n) {
        vector<vector<int>> dp(n + 1);
        for (int i = 0; i <= n; i++) {
            dp[i].resize(6 * n + 1);
        }
        for (int i = 1; i <= 6; i++) {
            dp[1][i] = 1;
        }
        for (int i = 2; i <= n; i++) {
            for (int j = i; j < 6 * i + 1; j++) {
                for (int k = 1; k <= 6; k++) {
                    if (j - k > 0) {
                        dp[i][j] += dp[i - 1][j - k];
                    }
                }
            }
        }

        vector<double> ans;
        float base = pow(6, n);
        for (int i = n; i <= 6 * n; i++) {
            ans.push_back(dp[n][i] / base);
        }
        return ans;
    }
};

python代码

class Solution(object):
    def twoSum(self, n):
        dp = [[0 for i in range(6 * n + 1)] for j in range(n + 1)]
        for i in range(1, 7):
            dp[1][i] = 1
        for i in range(2, n + 1):
            for j in range(i, 6 * i + 1):
                for k in range(1, 7):
                    if j - k > 0:
                        dp[i][j] += dp[i - 1][j - k]
        base = math.pow(6, n)
        return [counts / float(base) for counts in dp[n][n:]]

(完)