概率论和随机过程的学习和整理--番外15,如何计算N合1的合成数量问题?

目录

1 目标问题:多阶2合1的合成问题

1.1 原始问题

1.2 合成问题要注意,合成的数量

1.3 合成问题不能用马尔科夫链来解决

2  方案1:用合成公式合成多次能解决吗? --不能,解决不了递归的问题

3 方案2, 用条件期望和全期望公式计算

4 方案3,用VBA代码模拟

5 考虑合成玩法本身的难度

5.1 假设是2合1必成 100%概率

5.2 假如非100必成,那么每行的概率加权平均值对应多少代表了,期望达到的目标材料等级

5.3 错误方法

5.4 如果是3合1呢?


1 目标问题:多阶2合1的合成问题

1.1 原始问题

假设有如下合成问题:

  • 每次合成是2合1,随机生成一个材料,合成概率表如下
  • 是个上三角矩阵,也就是说,不会往下掉级,必然都会合上去
  • 假设有1000个材料1,问最后可以合成多少个材料5呢?

1.2 合成问题要注意,合成的数量

  • 如假设N个材料1可以合成材料1,材料2,材料3,
  • 如果是2合1,那么材料2的平均数量  2E(X)=P1*E(X)+P2*1+P3*0
  • 如果是3合1,那么材料2的平均数量  3E(X)=P1*E(X)+P2*1+P3*0

1.3 合成问题不能用马尔科夫链来解决

  • 合成问题不是马尔可夫那样一个状态往其他状态转移,而是多个东西变成了1个东西
  • 但是可以用,条件期望的方法

2  方案1:用合成公式合成多次能解决吗? --不能,解决不了递归的问题

  • 第1次合成,把1000个材料1分别合成了材料2,材料3,材料4,材料5,也生成了1
  • 第2次合成,把上一次合成的材料2合成材料3,4,5,但是材料1剩下了,也生成了2
  • 第3次合成,把上一次合成的材料3合成材料4,5,但是材料1,2剩下了,也生成了3
  • 第4次合成,把上一次合成的材料4合成材料5,但是材料1,2,3剩下了,也生成了4

    这样经过4次合成,从1000个材料1变成了一堆材料1,2,3,4,5,这样的结果有意义吗?没有,因为材料1剩下了很多,还可以再次进行步骤1递归。同理材料2,3,4也是这样的。

3 方案2, 用条件期望和全期望公式计算

      为了避免递归问题,这次的方案策略是,每次把全部的材料1都生成为材料2,3,4,不留材料1,后面类推,这样最后剩下的就是,只剩下材料5。

     但是怎么让所有的材料1都不留下呢? 这是个递归问题,得先用条件期望得公式列方程

  • 比如先对材料1的合成列如下条件期望
  • 令x= 材料1合成过程中,合成材料2得数量
  • 则 2*E(X) = p1*E(X) + p2*1+ p3*0 +p4*0+p5*0
  •      2*E(X) = p1*E(X) + p2*1
  •         E(X) = p2/(2-p1)

    根据这个,就可以分别计算出,材料1合成过程中,材料1可以生成的材料2,3,4,5的数量,不会留下材料1。

    下面把材料2合成时,也这样计算把材料2转换为材料3,4,5,但是不留材料2本身,但是要加上第一次合成材料1时,剩下的材料3,4,5的数量。

     后面材料3合成也如此循环

     所以后最合成的处理的材料5的数量是66个。

4 方案3,用VBA代码模拟

待之后补充

5 考虑合成玩法本身的难度

5.1 假设是2合1必成 100%概率

  • 材料1,材料2,材料3,材料4,材料5,看起来材料的等级序列是1,2,3,4,5
  • 但是因为合成方法是2合1,
  • 比如,假设是2合1必成概率
  • 1个材料2需要2各材料1,而1个材料3需要2个材料2---也就是4个材料1....
  • 所以他们的权重是,1,2,4,8,16... ... 
  • 可见这个加权平均值,就是这一级合成时,期望能合成的材料等级,这个可以通过调整概率来修改目标
  • 因为
  • 材料1--材料2,倍数是2,但是材料2与材料1相距举例是2-1(用材料1作为单位)
  • 材料2--材料3,倍数是2,但是材料3与材料1相距举例是4-1(用材料1作为单位),并不是3-1
  • 材料3--材料4,倍数是2,但是材料4与材料1相距举例是8-1(用材料1作为单位),并不是4-1
  • 材料4--材料5,倍数是2,但是材料5与材料1相距举例是16-1(用材料1作为单位),并不是5-1

  • 这个2合1,看起来材料的等级1,2,3,4,5
  • 实际上按权重来看,并不是这样的权重等级
  • 而是2^(n-1)方,1,2,3,4,5 对应,1,2,4,8,16 这样的权重等级,这个才符合材料耗费的权重等级。
  • 也就是说如果要画个纵轴,纵轴应该是权重,1,2,3,4,5 需要标记为1,2,4,8,16
  • 计算出来的权重是几,也就会生成几对应的权重那一级的材料,比如第2行总权重为4,则会对应材料3!!!

5.2 假如非100必成,那么每行的概率加权平均值对应多少代表了,期望达到的目标材料等级

  • 但是,我们现在的合成概率并不是均等概率,而是如下的概率呢,那就用现在的概率当权重,计算一个 概率的加权平均值即可
  • 可见这个加权平均值,就是这一级合成时,期望能合成的材料等级,这个可以通过调整概率来修改目标
  • 但是要用算出来的值去匹配{1,2,4,8,16} 而不是去匹配{1,2,3,4,5}

 

5.3 错误方法

  • 如果用概率*材料等级(而不是材料的实际2合1的权重等级) 算出来的是错的,因为1,2,3,4,5 并不能代表材料1-5的难度。

5.4 如果是3合1呢?

  •  如果是3合1,那就是3^n


 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/43655.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

idea2021.安装pojie教程

1、下载ideaIU-2021.3应用包,点击finish 2、先关闭idea窗口,等会激活了脚本再运行打开。 3、双击运行install-current-user.vbs,等待一会会提示运行成功。 4、运行后,在文件中会多出一条配置 5、打开运行idea,输入激活码&#x…

如何使用curl下载github代码

首先通过chrome打开想要下载的源文件 如图,有那个下载图标时表示不需要鉴权即可下载,一般仓库都会开放只读权限,所以很大概率都有 比如我想下载这个crc32.c文件 那么我就需要知道它在哪个IP中,按下F12打开网络,点击下载…

pytorch安装GPU版本 (Cuda12.1)教程

使用本教程前,默认您已经安装并配置好了python3以上版本 1. 去官网下载匹配的Cuda Cuda下载地址 当前最高版本的Cuda是12.1 我安装的就是这个版本 小提示:自定义安装可以只选择安装Cuda Runtime。Nvidia全家桶不必全部安装。把全家桶全部安装完直接系统…

ChatGPT助力校招----面试问题分享(十二)

1 ChatGPT每日一题:运算放大器与比较器的区别 问题:运算放大器与比较器的区别 ChatGPT:运算放大器和比较器都是电子电路中常用的模拟电路元件,但它们的设计和应用略有不同。下面是两者的主要区别: 功能不同&#xf…

Java集合之List

ArrayLsit集合 ArrayList集合的特点 ArrayList集合的一些方法 ①.add(Object element) 向列表的尾部添加指定的元素。 ②.size() 返回列表中的元素个数。 ③.get(int index) 返回列表中指定位置的元素,index从0开始。 public class Test {public static void m…

【Vue】day03-VueCli(脚手架)

day03 一、今日目标 1.生命周期 生命周期介绍 生命周期的四个阶段 生命周期钩子 声明周期案例 2.综合案例-小黑记账清单 列表渲染 添加/删除 饼图渲染 3.工程化开发入门 工程化开发和脚手架 项目运行流程 组件化 组件注册 4.综合案例-小兔仙首页 拆分模块-局部…

有名管道(FIFO)的学习笔记

文章目录 有名管道介绍有名管道的使用创建 注意事项 有名管道介绍 有名管道的使用 创建 命令, mkfifo name函数,int mkfifo(const char *pathname, mode_t mode); 设置错误号; 向管道中写数据👇: 从管道读数据&am…

前端Web实战:从零打造一个类Visio的流程图拓扑图绘图工具

前言 大家好,本系列从Web前端实战的角度,给大家分享介绍如何从零打造一个自己专属的绘图工具,实现流程图、拓扑图、脑图等类Visio的绘图工具。 你将收获 免费好用、专属自己的绘图工具前端项目实战学习如何从0搭建一个前端项目等基础框架项…

log4j--动态打印日志文件到指定文件夹

文章目录 log4j--动态打印日志文件到指定文件夹1、添加Maven依赖2、配置文件 log4j.properties3、编写日志打印工具类 LogUtil4、工具类调用 log4j–动态打印日志文件到指定文件夹 1、添加Maven依赖 <!-- log4j日志相关坐标 --><dependency><groupId>org.s…

API Testing 一个基于 YAML 文件的开源接口测试工具

目录 前言&#xff1a; 如何使用&#xff1f; 本地模式 服务端模式 文件格式 后续计划 前言&#xff1a; API Testing 是一个基于 YAML 文件的开源接口测试工具&#xff0c;它可以帮助开发者快速地进行接口测试。 在选择工具时&#xff0c;可以从很多方面进行考量、对比…

【Matlab】基于遗传算法优化 BP 神经网络的数据回归预测(Excel可直接替换数据)

【Matlab】基于遗传算法优化 BP 神经网络的数据回归预测&#xff08;Excel可直接替换数据&#xff09; 1.模型原理2.文件结构3.Excel数据4.分块代码4.1 arithXover.m4.2 delta.m4.3 ga.m4.4 gabpEval.m4.5 initializega.m4.6 maxGenTerm.m4.7 nonUnifMutation.m4.8 normGeomSel…

Pytorch:利用torchvision调用各种网络的预训练模型,完成CIFAR10数据集的各种分类任务

2023.7.19 cifar10百科&#xff1a; [ 数据集 ] CIFAR-10 数据集介绍_cifar10_Horizon Max的博客-CSDN博客 torchvision各种预训练模型的调用方法&#xff1a; pytorch最全预训练模型下载与调用_pytorch预训练模型下载_Jorbol的博客-CSDN博客 CIFAR10数据集下载并转换为图片&am…

vue中export和export default的使用

<script> export default {name: HelloWorld } $(function () {alert(引入成功) }) </script> 1、export的使用 比喻index.js要使用test.js中的数据&#xff0c;首先在test.js文件中进行导出操作 代码如下&#xff1a; export function list() {alert("list…

【表达式引擎】简单高效的轻量级Java表达式引擎:Aviator

简单高效的轻量级表达式引擎&#xff1a;Aviator 前言 Aviator 是一个高性能、、轻量级的表达式引擎&#xff0c;支持表达式动态求值。其设计目标为轻量级和高性能&#xff0c;相比于 Groovy 和 JRuby 的笨重&#xff0c;Aviator 就显得更加的小巧。与其他的轻量级表达式引擎不…

Python实战项目——物流行业数据分析(二)

今天我们对物流行业数据进行简单分析&#xff0c;数据来源&#xff1a;某企业销售的6种商品所对应的送货及用户反馈数据 解决问题&#xff1a; 1、配送服务是否存在问题 2、是否存在尚有潜力的销售区域 3、商品是否存在质量问题 分析过程&#xff1a; 依旧先进行数据处理 一…

【MATLAB第58期】基于MATLAB的PCA-Kmeans、PCA-LVQ与BP神经网络分类预测模型对比

【MATLAB第58期】基于MATLAB的PCA-Kmeans、PCA-LVQ与BP神经网络分类预测模型对比 一、数据介绍 基于UCI葡萄酒数据集进行葡萄酒分类及产地预测 共包含178组样本数据&#xff0c;来源于三个葡萄酒产地&#xff0c;每组数据包含产地标签及13种化学元素含量&#xff0c;即已知类…

C# List 详解四

目录 18.FindLast(Predicate) 19.FindLastIndex(Int32, Int32, Predicate) 20.FindLastIndex(Int32, Predicate) 21.FindLastIndex(Predicate) 22.ForEach(Action) 23.GetEnumerator() 24.GetHashCode() 25.GetRange(Int32, Int32) C#…

【搜索引擎Solr】配置 Solr 以获得最佳性能

Apache Solr 是广泛使用的搜索引擎。有几个著名的平台使用 Solr&#xff1b;Netflix 和 Instagram 是其中的一些名称。我们在 tajawal 的应用程序中一直使用 Solr 和 ElasticSearch。在这篇文章中&#xff0c;我将为您提供一些关于如何编写优化的 Schema 文件的技巧。我们不会讨…

Prompt 技巧指南-让 ChatGPT 回答更准确

随着 ChatGPT 等大型语言模型 (LLM)的兴起&#xff0c;人们慢慢发现&#xff0c;怎么样向 LLM 提问、以什么技巧提问&#xff0c;是获得更加准确的回答的关键&#xff0c;也由此产生了提示工程这个全新的领域。 提示工程(prompt engineering)是一门相对较新的领域&#xff0c;用…

多目标灰狼算法(MOGWO)的Matlab代码详细注释及难点解释(佳点集改进初始种群的MOGWO)

目录 一、外部种群Archive机制 二、领导者选择机制 三、多目标灰狼算法运行步骤 四、MOGWO的Matlab部分代码详细注释 五、MOGWO算法难点解释 5.1 网格与膨胀因子 5.2 轮盘赌方法选择每个超立方体概率 为了将灰狼算法应用于多目标优化问题,在灰狼算法中引入外部种群Archi…
最新文章