http://www.matrix67.com/blog/archives/959
随机游走问题是说，假如你每次随机选择一个方向迈出一个单位的长度，那么n次行动之后你离原点平均有多远（即离原点距离的期望值）。有趣的是，这个问题的二维情况反而比一维情况更加简单，关键就是一维情况下的绝对值符号无法打开来。先拿一维情况来说，多数人第一反应肯定是，平均距离应该是0，因为向左走和向右走的几率是一样的。确实，原点两边的情况是对称的，最终坐标的平均值应该是0才对；但我们这里考虑的是距离，它需要加上一个绝对值的符号，期望显然是一个比0大的数。如果我们做p次实验，那么我们要求的平均距离D就应该是
（在所有的情况下，完全有一种可能d>0,所以D肯定>0）
其中d的值随机取1或者-1。这里的绝对值符号是一个打不破的坚冰，它让处于不同绝对值符号内的d值无法互相抵消。但是，当同样的问题扩展到二维时，情况有了很大的改变。我们把每一步的路径投射到X轴和Y轴上，利用勾股定理我们可以求出离原点的距离的平方R^2的值：
一旦把平方展开后，有趣的事情出现了：这些X值和Y值都是有正有负均匀分布的，因此当实验次数p充分大时，除了那几个平方项以外，其它的都抵消了。最后呢，式子就变成了
于是呢，就有平均距离R=sqrt(n) （准确的说是均方根距离）。我们得出，在二维平面内随机选择方向走一个单位的长度，则n步之后离出发点的平均距离为根号n。这是一个很美妙的结论。
如果用程序做的话，可以考虑用dp做
f[2n][2n][n]
开一个数据进行动态规划
f[i][j][k] = sum(f[i-1][j][k-1], f[i][j-1][k-1], f[i+1][j][k-1], f[i][j+1][k-1])
开一个数据进行动态规划
f[i][j][k] = sum(f[i-1][j][k-1], f[i][j-1][k-1], f[i+1][j][k-1], f[i][j+1][k-1])
计算走k步，达到坐标点的次数