算法讲义PPT-Chapter-8 随机算法.ppt

随机算法Random Algorithm 随机数发生器 随机数在概率算法设计中扮演着十分重要的角色。在现实计算机上无法产生真正的随机数，因此在概率算法中使用的随机数都是一定程度上随机的，即伪随机数。线性同余法是产生伪随机数的最常用的方法。由线性同余法产生的随机序列a0,a1,…,an满足 其中b=0，c=0，d=m。d称为该随机序列的种子。如何选取该方法中的常数b、c和m直接关系到所产生的随机序列的随机性能。这是随机性理论研究的内容，已超出本书讨论的范围。从直观上看，m应取得充分大，因此可取m为机器大数，另外应取gcd(m,b)=1，因此可取b为一素数。 圆周率计算 随机非重复采样问题 设有n 个样本，要求从中随机选出m 个样本(mn/2)。请设计一个随机算法来完成该任务，并分析该算法的时间复杂度。 思路： 将n个样本存放于数组Sample[1…n]中。数组Result[1…m]存放选中的m个样本。 定义一个长度为n的标志数组Flag[1…n]。Flag[i]=true表示对应位置的样本已经被选中；否则为未选中。 随机生成一个落在区间[1,n]的随机数r。若Flag[r]为false，Sample[r]追加到数组Result中,并将Flag[r]置为true；若Flag[r]为true,则重新生成随机数r，直到Flag[r]为false。重复此步骤，直到m个样本选择完成。 测试串的相等性 通信问题：发射端A发送信号x（x一般为很长的二进制串），接收端B收到信号y，要确定是否x = y。 生成指纹 模式匹配问题 问题描述：给一个字模式串X=x1x2…xn，模式串Y=y1y2…ym，其中mn，问：模式串Y是否在模式串X中出现？不失一般性，假设模式串定义在字符集{0,1}上。 最直观的方法：沿模式串X滑动Y，逐个比较子模式串X(j)=xj…xj+m-1和Y。时间复杂度：最坏情况下为O(mn)，例如： X=′000000000000000000000000000000000000000001′ Y=′000001′ 随机算法 思想：同样沿着模式串X滑动Y，但不是直接将模式串Y与每个子模式串X(j)=xj…xj+m-1进行比较；而是借鉴指纹匹配的思想，将Y的指纹与子模式串X(j)的指纹比较，从而判断Y是否与X(j)相同。 直接使用上述方法时间复杂性不能有效降低，因为指纹计算同样要耗费时间。 然而，分析可以发现：新串X(j+1)的指纹可以很方便地从X(j)的指纹计算出来，即： Ip(X(j+1))=(2Ip(X(j)) – 2mxj + xj+m) (mod p) 为何有上述结论？ 南京理工大学 r public static double darts(int n) { // 用随机投点法计算pi值 int k=0; for (int i=1;i =n;i++) { double x=dart.fRandom(); double y=dart.fRandom(); if ((x*x+y*y)=1) k++; } return 4*k/(double)n; } d 18世纪，法国数学家布丰和勒可莱尔提出的“投针问题”，记载于布丰1777年出版的 著作中：“在平面上画有一组间距为d的平行线，将一根长度为s（sd）的针任意掷在 这个平面上，求此针与平行线中任一条相交的概率。” 1) 取一张白纸，在上面画上许多条间距为d的平行线。 2) 取一根长度为s（sd） 的针，随机地向画有平行直线 的纸上掷n次，观察针与直线相交的次数，记为m 3) 计算针与直线相交的概率p 布丰本人证明了，这个概率是 d 一个直径为d的圆圈，不管如何投掷，必定是有两个交点。那么投掷n，共有2n个交点。 把圆圈拉直，变成一条长为πd的线段。显然，这样的线段扔下时与平行线相交的情形要比圆圈复杂些，可能有4个交点，3个交点，2个交点，1个交点，甚至于都不相交。由于圆圈和线段的长度同为πd，根据机会均等的原理，当它们均投掷n次(n是一较大的数) ，两者与平行线组交点的总数期望值也是一样的，即均为2n。 长度为s的线段，投掷n次后，交点的个数为记为m，那么： m/2n = s/πd 布丰投针实验是第一个用几何形式表达概率问题的例子，他首次使用随机实验处理确定性数学问题，为概率论的发展起到一定的推动作用。 像投针实验一样，用通过概率实验所求的概率来估计我们感兴趣的一个量，这样的方法称为蒙特卡罗方法