骰子概率计算：动态规划解题思路与实现

n个骰子的点数

本质上是求解一个dp二维数组，其第i行对应的是总共有i个骰子，其第j列表示的是和为j的概率。从第i行到第i+1行相当于是增加了一个骰子，由此可以写出其递增规律，同时，由于每一行只用到一次，因此实际上可以不申请二维数组，而只使用两个一维dp数组交替处理。

1. 问题背景

在概率统计和算法设计领域，骰子点数分布是一个经典的组合问题。本文将深入探讨如何使用动态规划（Dynamic Programming）高效地计算n个骰子的点数分布概率。

2. 问题描述

给定n个骰子，求解所有可能的点数总和及其对应的概率分布。每个骰子有6个面，分别代表1到6的点数，且各个面出现的概率相等。

3. 算法思路

3.1 状态定义

定义动态规划状态数组dp[i][j]，其中：

• i表示骰子数量
• j表示点数总和
• dp[i][j]表示i个骰子点数和为j的概率

3.2 转移方程

对于n个骰子，从n-1个骰子的状态转移到n个骰子的状态，可以通过以下公式计算：

dp[n][sum] += dp[n-1][sum-k] * (1/6)，其中k ∈ [1, 6]

3.3 空间优化

由于每一轮计算只依赖于上一轮的结果，我们可以使用两个一维数组交替更新，从而将空间复杂度降低到O(1)。

4. 代码实现

原始代码实现：

class Solution {
public:
    vector<double> dicesProbability(int n) {
        vector <double> last_dp(6, 1.0/6);
        for (int i = 1; i < n; i++) {
            vector <double> cur_dp(5*i+6, 0);
            for (int j = 0; j < last_dp.size(); j++) {
                for (int k = 0; k < 6; k++) {
                    cur_dp[j+k] += last_dp[j]/6;
                }
            }
            last_dp = cur_dp;
        }
        return last_dp;
    }
};

5. 算法复杂度分析

• 时间复杂度：O(n * 6^2)
• 空间复杂度：O(n)

6. 相关算法题目

为了加深对动态规划的理解，可以尝试解决以下相关算法题目：

1. LeetCode 70. 爬楼梯

   • 典型的动态规划问题，要求计算爬n级台阶的方法数
   • 关键在于理解状态转移方程：dp[i] = dp[i-1] + dp[i-2]

2. LeetCode 62. 不同路径

   • 机器人从棋盘左上角移动到右下角的路径数
   • 同样使用二维动态规划求解

3. LeetCode 64. 最小路径和

   • 计算从棋盘左上角到右下角的最小路径和
   • 展示了动态规划求解最优化问题的能力

7. 总结

本文通过骰子点数概率问题，展示了动态规划在解决组合概率计算中的强大能力。关键在于：

• 正确定义状态
• 推导状态转移方程
• 考虑空间优化策略

8. 参考资料

1. LeetCode 骰子点数问题
2. 《算法导论》动态规划章节
3. 各大算法竞赛与学习资源