博客
关于我
【Lintcode】266. Expect Distance
阅读量:214 次
发布时间:2019-02-28

本文共 955 字,大约阅读时间需要 3 分钟。

题目地址:

有个人困在了一个山洞 A A A,从山洞 A A A出发有两条路,一条路走 x x x千米,会回到山洞 A A A,另一条路走 2 2 2千米,会到山洞 B B B;从山洞 B B B出发也有两条路,一条路走 y y y千米,会到山洞 A A A,另一条路走 z z z千米会到山洞的出口 C C C。问他走出山洞的期望路程。他在山洞选择哪条路走的概率都是 1 2 \frac{1}{2} 21

X X X是从 A A A走到出口的距离, Y Y Y是从 B B B走到出口的距离,由条件期望公式得: E [ X ] = 1 2 ( x + E [ X ] ) + 1 2 ( 2 + E [ Y ] ) E [ Y ] = 1 2 ( y + E [ X ] ) + 1 2 z E[X]=\frac{1}{2}(x+E[X])+\frac{1}{2}(2+E[Y])\\E[Y]=\frac{1}{2}(y+E[X])+\frac{1}{2}z E[X]=21(x+E[X])+21(2+E[Y])E[Y]=21(y+E[X])+21z计算得: E [ X ] = 2 x + y + z + 4 E[X]=2x+y+z+4 E[X]=2x+y+z+4代码如下:

public class Solution {       /**     * @param x: the distance from cave A to cave A.     * @param y: the distance from cave B to cave B.     * @param z: the distance from cave B to exit C.     * @return: return the expect distance to go out of the cave.     */    public int expectDistance(int x, int y, int z) {           // write your code here.        return 2 * x + y + z + 4;    }}

时空复杂度 O ( 1 ) O(1) O(1)

转载地址:http://txcs.baihongyu.com/

你可能感兴趣的文章
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>