概率算法精要.pptVIP

确定性算法 算法的每一步都明确指定下一步该如何进行，对于任何合理的输入，确定性算法都必须给出正确的输出。 概率算法 允许算法在执行过程中随机选择下一步该如何进行，同时允许结果以较小的概率出现错误。 以上述错误为代价，获得算法运行时间的大幅减少。 概率算法的分类 概率算法大致分为四类:数值概率算法，蒙特卡罗（Monte Carlo）算法，拉斯维加斯（Las Vegas）算法和舍伍德（Sherwood）算法。 数值概率算法常用于数值问题的求解。这类算法所得到的往往是近似解。而且近似解的精度随计算时间的增加不断提高。在许多情况下，要计算出问题的精确解是不可能或没有必要的，因此用数值概率算法可得到相当满意的解。 舍伍德算法： 很多具有很好的平均运行时间的确定性算法，在最坏的情况下性能很坏。引入随机性加以改造，可以消除或减少一般情况和最坏情况的差别。 拉斯维加斯算法： 要么给出问题的正确答案，要么得不到答案。反复求解多次，可使失效的概率任意小。 蒙特卡罗算法： 总能得到问题的答案，偶然产生不正确的答案。重复运行，每一次都进行随机选择，可使不正确答案的概率变得任意小。 考虑快速排序中的划分过程，选定一个轴值将序列ri～rj进行划分，使得比轴值小的元素都位于轴值的左侧，比轴值大的元素都位于轴值的右侧，假定轴值的最终位置是s，则： （1）若k=s，则rs就是第k小元素； （2）若ks，则第k小元素一定在序列ri～rs-1中； （3）若ks，则第k小元素一定在序列rs+1～rj中； 整数因子分解问题可以归结为整数因子划分和素数测试：假设对整数n进行因子分解，首先进行素数测试，如果n是素数，则分解完成；否则，再进行因子划分，找到n的一个非平凡因子m，并递归地对m和n/m进行因子分解。 下面讨论整数因子划分问题。 蒙特卡罗（Monte Carlo）算法 蒙特卡罗算法总能得到问题的答案。偶然产生不正确的答案。 p：正确解的概率，1/2p1，称算法是p正确的，优势为p-1/2。 运行同一实例两次，不会给出两个不同的正确答案，称算法是一致的。 重复运行一致的p正确的算法，每一次运行都独立地进行随机选择，可使产生不正确答案的概率变得任意小。 bool Prime2(int n) { composite=false; a=Random(2, n-1); //产生[2, n-1]的随机数 result=Power(a, n-1, n); if (composite | | (result!=1)) return false; else return true; } 由于棋盘的每一行上可以而且必须放置一个皇后，所以八皇后问题的可能解用一个向量X=(x1, x2, …, x8)表示，其中，1≤xi≤8并且1≤i≤8，即第i个皇后放置在第i行第xi列上。由于两个皇后不能位于同一列上，所以，解向量X必须满足约束条件： xi≠xj （式10.2） 若两个皇后摆放的位置分别是(i, xi)和(j, xj)，在棋盘上斜率为-1的斜线上，满足条件i-j= xi-xj，在棋盘上斜率为1的斜线上，满足条件i＋j= xi＋xj，综合两种情况，由于两个皇后不能位于同一斜线上，所以，解向量X必须满足约束条件： |i-xi|≠|j-xj| （式10.3） 满足式10.2和式10.3的向量X=(x1, x2, …, xi)表示已放置的i个皇后（1≤i≤8）互不攻击，也就是不发生冲突。 算法10.5——八皇后问题 1. 将数组x[8]初始化为0；试探次数count初始化为0； 2．for (i=1; i=8; i++) 2.1 产生一个[1, 8] 的随机数j； 2.2 count=count+1，进行第count次试探； 2.3 若皇后i放置在位置j不发生冲突， 则x[i]=j；count=0；转步骤2放置下一个皇后； 2.4 若(count= =8)，则无法放置皇后i，算法运行失败； 否则，转步骤2.1重新放置皇后i； 3. 将元素x[1]～x[8]作为八皇后问题的一个解输出； 拉斯维加斯型概率算法通过反复调用算法10.5，直至得到八皇后问题的一个解。 如果将