这方面的变化是很常见的问题，但我所有的 google-fu 都让我难住了。我想计算掷骰子公平的几率，但我想有效地做到这一点。有很多关于如何做到这一点的例子，但我发现的所有算法在计算上都过于昂贵（指数时间），无法用于大量具有多面的骰子。
简单问题：计算 xy 面骰子上 n 卷的几率。
简单的解决方案：创建滚动的 n 元笛卡尔积，对每个乘积求和，计算和作为目标的次数，做一点除法，瞧。
Go 中的简单解决方案示例： https : //play.golang.org/p/KNUS4YBQC0g
简单的解决方案完美地工作。我将其扩展为允许丢弃最高/最低的 n 个面等情况，结果经得起现场测试。
但是考虑一下{Count: 20,Sides: 20,DropHighest: 0,DropLowest:0, Target: 200}。
如果我用以前的解决方案评估它，我的“表”将有 104 个奇怪的 septillion 单元，并且很容易使 CPU 达到最大值。
有没有更有效的方法来计算大量多面骰子的概率？如果是这样，它是否可以解释更复杂的“成功”条件选择，例如丢骰子？
由于这个美丽网站的存在，我相信这是可能的：https : //anydice.com/program/969
编辑：
最适合我的解决方案是 David Eisenstat 的答案，我将其移植到：https : //play.golang.org/p/cpD51opQf5h