leetcode
leetcode 601 ~ 650
骑士在棋盘上的概率

骑士在棋盘上的概率

难度:

标签:

题目描述

在一个 n x n 的国际象棋棋盘上,一个骑士从单元格 (row, column) 开始,并尝试进行 k 次移动。行和列是 从 0 开始 的,所以左上单元格是 (0,0) ,右下单元格是 (n - 1, n - 1)

象棋骑士有8种可能的走法,如下图所示。每次移动在基本方向上是两个单元格,然后在正交方向上是一个单元格。

每次骑士要移动时,它都会随机从8种可能的移动中选择一种(即使棋子会离开棋盘),然后移动到那里。

骑士继续移动,直到它走了 k 步或离开了棋盘。

返回 骑士在棋盘停止移动后仍留在棋盘上的概率

 

示例 1:

输入: n = 3, k = 2, row = 0, column = 0
输出: 0.0625
解释: 有两步(到(1,2),(2,1))可以让骑士留在棋盘上。
在每一个位置上,也有两种移动可以让骑士留在棋盘上。
骑士留在棋盘上的总概率是0.0625。

示例 2:

输入: n = 1, k = 0, row = 0, column = 0
输出: 1.00000

 

提示:

  • 1 <= n <= 25
  • 0 <= k <= 100
  • 0 <= row, column <= n - 1

代码结果

运行时间: 104 ms, 内存: 16.2 MB


// 题目思路:
// 使用 Java Stream 来处理数据,可以更简洁地表达一些操作。
// 我们仍然使用动态规划的方法,只是在处理更新和计算结果时,
// 使用 Stream 来遍历和累加。
 
import java.util.stream.IntStream;
 
public class KnightProbabilityStream {
    private static final int[][] MOVES = {{-2, -1}, {-1, -2}, {1, -2}, {2, -1}, {2, 1}, {1, 2}, {-1, 2}, {-2, 1}};
    public double knightProbability(int n, int k, int row, int column) {
        double[][][] dp = new double[n][n][k + 1];
        dp[row][column][0] = 1;
        for (int step = 1; step <= k; step++) {
            IntStream.range(0, n).forEach(i -> IntStream.range(0, n).forEach(j -> {
                if (dp[i][j][step - 1] > 0) {
                    for (int[] move : MOVES) {
                        int ni = i + move[0];
                        int nj = j + move[1];
                        if (ni >= 0 && ni < n && nj >= 0 && nj < n) {
                            dp[ni][nj][step] += dp[i][j][step - 1] / 8.0;
                        }
                    }
                }
            }));
        }
        return IntStream.range(0, n).mapToDouble(i -> IntStream.range(0, n).mapToDouble(j -> dp[i][j][k]).sum()).sum();
    }
}

解释

方法:

此题解采用动态规划的方法。使用两个dp数组交替记录每个步数后的状态。初始化dp1数组,在初始位置(row, column)上的概率设置为1。接下来,对于每一步k,使用dp2数组计算基于dp1的结果。对于棋盘上每个可能的位置(p, q),如果此位置在上一步有非零的概率,遍历所有可能的骑士移动,检查新位置是否还在棋盘内。如果在,则累加转移概率到dp2。每完成一步,dp1更新为dp2,继续下一轮迭代。最终,返回dp1中所有位置的概率和,即为骑士留在棋盘上的总概率。

时间复杂度:

O(k * n^2)

空间复杂度:

O(n^2)

代码细节讲解

🦆
为什么在计算每个单元格的新概率时,每种移动的概率固定为1/8?
骑士在国际象棋中可以进行8种不同的移动(两个大步和一个小步的组合,方向可变)。因此,如果骑士在棋盘的某个位置且该位置可以向任意方向移动,则每种移动的概率都是相等的,即1/8。这是因为每一步骑士选择任意一种移动的可能性是均等的。
🦆
在动态规划的实现中,为什么选择使用两个数组dp1和dp2交替更新,而不是更新一个数组?
在动态规划中使用两个数组dp1和dp2交替更新的原因是避免在计算过程中覆盖或误用当前步骤的数据。如果只用一个数组,进行更新时新计算的概率值可能会影响同一步骤中后续的计算。使用两个数组可以确保在计算每一步时,来源的概率数据(dp1)保持不变,而结果的概率数据(dp2)是新计算出来的。这样可以清晰地区分每一步的数据,避免数据污染。
🦆
在迭代过程中,如果移动到棋盘外的情况如何处理?这是否意味着这部分概率会丢失?
在迭代过程中,如果骑士的某次移动导致它落到棋盘外,这种情况下的概率确实会丢失,意味着这部分概率是骑士离开棋盘的概率。在最终计算骑士留在棋盘上的总概率时,只会累计那些依然在棋盘内的位置的概率。因此,移动到棋盘外的概率会被视为概率损失,这也符合问题的实际情况:计算骑士在棋盘上停留的概率。
🦆
当骑士的初始位置在棋盘的边缘或角落时,算法的表现是否会与中间位置有明显不同?
当骑士的初始位置在棋盘的边缘或角落时,算法的表现确实与中间位置有所不同。由于边缘或角落的位置使得骑士的可移动选项减少(边缘通常有5种移动,角落只有2种),因此从这些位置开始的骑士更容易移动出棋盘,从而导致留在棋盘上的总概率较低。相比之下,中间位置周围没有限制,骑士有更高的概率保持在棋盘内。

相关问题

出界的路径数

给你一个大小为 m x n 的网格和一个球。球的起始坐标为 [startRow, startColumn] 。你可以将球移到在四个方向上相邻的单元格内(可以穿过网格边界到达网格之外)。你 最多 可以移动 maxMove 次球。

给你五个整数 mnmaxMovestartRow 以及 startColumn ,找出并返回可以将球移出边界的路径数量。因为答案可能非常大,返回对 109 + 7 取余 后的结果。

 

示例 1:

输入:m = 2, n = 2, maxMove = 2, startRow = 0, startColumn = 0
输出:6

示例 2:

输入:m = 1, n = 3, maxMove = 3, startRow = 0, startColumn = 1
输出:12

 

提示:

  • 1 <= m, n <= 50
  • 0 <= maxMove <= 50
  • 0 <= startRow < m
  • 0 <= startColumn < n