MPI程序设计ch18.pptVIP

Y.Xu Copyright USTC 主要内容 18.1 引言 - 基本知识 - 时间复杂性度量 - 设计方法 18.2 低度顶点部分独立集 - 串行算法 - 随机并行算法 18.5 多项式恒等的验证 - 基本技术 - 矩阵乘积的验证 18.1 引言 18.1.1 基本知识 1.随机算法的定义 - 定义: 是一个概率图灵机. 也就是在算法中引入随机因素, 即通过随机数选择算法的下一步操作. - 三要素: 输入实例、随机源和停止准则. - 特点: 简单、快速和易于并行化. - 一种平衡: 随机算法可以理解为在时间、空间和随机三大 计算资源中的平衡(Lu C.J. PhD Thesis 1999). - 重要文献 Motwani R. and Raghavan P., Randomized Algorithms. Cambridge University Press, New York, 1995 18.1 引言 18.1.1 基本知识 2.背景和历史 (1)重要方法 - Monte Carlo求定积分法 - 随机k-选择算法 - 随机快排序 -素性判定的随机算法 - 二阶段随机路由算法 (2)重要人物和工作 - de Leeuw等人提出了概率图灵机(1955) - John Gill的随机算法复杂性理论(1977) - Rabin的数论和计算几何领域的工作(1976) - Karp的算法概率分析方法(1985) - Shor的素因子分解量子算法(1994) 18.1 引言 18.1.1 基本知识 3.随机算法的分类 - Las Vegas算法和Monte Carlo算法是常见的两类随机算法。 - Las Vegas算法运行结束时总能给出正确的解，但其运行时 间每次有所不同。 - Monte Carlo算法可能得到不正确的结果，但这种概率是小 的且有界的。 18.1 引言 18.1.1 基本知识 4.研究意义 - 求解问题的一种重要让步策略 - 有效的随机算法 - 实际可行的随机算法 - 可转化为确定算法 - 易于并行化 - 促进智能计算的发展 18.1 引言 18.1.2 时间复杂性度量 1.运行时间的期望和方差 (1)实例的运行时间期望 对固定实例x, 设随机算法A的运行时间 是一个[0,+∞)上的随机变量, 定义随机算法A在实例x上的运行时间期望为 , 也称为随机算法A在实 例x上的执行时间. (2)算法的运行时间期望 如果对一个规模为n问题的所有实例是均匀选取的, 则定义各个实例上 的平均执行时间为随机算法在该问题上的运行时间期望, 记为T(n) 注: 类似地可以定义方差. 2.随机复杂度类(参见Motwani R. and Raghavan P., Randomized Algorithms.) RP(Randomized Polynomial time), ZPP, PP, BPP etc. 18.1 引言 18.1.3 随机算法的设计方法 1.挫败对手(Foiling the Adversary) 将不同的算法组成算法群, 根据输入实例的不同随机地或有选择地选取 不同的算法, 以使性能达到最佳. 2.随机采样(Random Sampling) 用“小”样本群的信息, 指导整体的求解. 3.随机搜索(Random Search) 是一种简单易行的方法, 可以从统计角度分析算法的平均性能, 如果将搜 索限制在有解或有较多解的区域, 可以大大提到搜索的成功概率. 4.指纹技术(Fingerprinting) 利用指纹信息可以大大减少对象识别的工作量. 通过随机映射的取指方 法, Karp和Rabin得到了一个快速的串匹配随机算法. 5.输入随机重组(Input Randomizatio