保龄球得分计算的动态规划算法解析

1. 保龄球得分计算问题解析

保龄球是一项深受大众喜爱的运动项目，但很少有人会思考一个问题：在保龄球比赛中，获得某个特定分数有多少种不同的方式？这个问题看似简单，实则蕴含着复杂的组合数学原理。作为算法竞赛中的经典题目，UVa 11238 "Innumerous Bowling Games" 正是要求我们解决这个有趣的问题。

1.1 问题核心与挑战

题目要求我们计算所有可能的保龄球对局中，总分为给定值 s (0 ≤ s ≤ 300) 的不同对局数量。这个问题的难点主要体现在以下几个方面：

1. 状态空间爆炸：每帧比赛有多种可能的结果（普通、补中、全中），直接暴力枚举的组合数高达约1.6×10¹⁸种，完全不可行。

2. 得分依赖关系：当前帧的得分可能影响后续帧的奖励分计算，特别是补中和全中会带来后续投掷的奖励分。

3. 特殊规则处理：第10帧的额外投掷规则使得状态转移更加复杂，需要特别处理。

4. 精确计数要求：需要准确枚举所有可能的投掷序列，不能遗漏或重复计算任何情况。

提示：理解保龄球得分规则是解决这个问题的第一步。特别是要清楚补中和全中带来的奖励分机制，以及第10帧的特殊处理方式。

1.2 保龄球规则精要

为了更好地理解问题，让我们先梳理保龄球的基本得分规则：

1. 普通帧：两次投掷击倒的瓶数之和为0到9分。

2. 补中(Spare)：第二次投掷击倒所有剩余瓶，得10分，并获得下一次投掷的瓶数作为奖励分。

3. 全中(Strike)：第一次投掷击倒所有10瓶，得10分，并获得接下来两次投掷的瓶数作为奖励分。

4. 第10帧特殊规则：

   • 补中后获得1次额外投掷
   • 全中后获得2次额外投掷
   • 额外投掷只计算奖励分

每局比赛最高可得300分（即连续12次全中），这也是保龄球中的"完美比赛"。

2. 动态规划解决方案设计

2.1 算法选择与核心思路

面对如此庞大的状态空间，暴力枚举显然不可行。我们需要采用更高效的算法策略：

1. 动态规划(DP)：将大问题分解为子问题，通过记忆化存储中间结果避免重复计算。

2. 记忆化搜索：采用自顶向下的递归方式实现DP，更直观地表达状态转移逻辑。

3. 逆向计算：从目标分数倒推，逐步减去已得分数，简化奖励分的处理。

这种组合策略能够将原本指数级复杂度的问题转化为多项式时间可解的问题。

2.2 状态设计精要

定义状态为四元组 (frame, remain, bonus1, bonus2)：

• frame：当前处理的帧编号（1-11，其中11用于处理第10帧的额外投掷）
• remain：还需要获得的分数（从目标值递减）
• bonus1：当前帧第一次投掷需要乘以的奖励倍数
• bonus2：当前帧第二次投掷需要乘以的奖励倍数

这个状态设计的关键在于：

1. 奖励机制的编码：通过bonus1和bonus2两个参数，巧妙地记录了之前帧的补中或全中对当前帧的影响。

2. 逆向计算的优势：从目标分数倒推，避免了正序计算时需要预知后续投掷结果的困境。

3. 状态压缩：仅用两个奖励倍数参数就完整表达了所有必要的奖励信息，极大减少了状态空间。

2.3 状态转移详解

2.3.1 前9帧的处理（frame ≤ 10）

对于前9帧，我们需要考虑三种情况：

1. 普通帧（first + second < 10）：
   • 得分计算：基础分(first+second) + 奖励分(first*bonus1 +