第6章 随机化算法.ppt

第6章 随机化算法 张阳 信息工程学院 第六章 随机化算法 伪随机数 数值随机化算法 蒙特卡罗算法 拉斯维加斯算法 舍伍德算法 随机数发生器 随机数发生器 产生随机数的方法 伪随机数发生器 通过一个固定的、可以重复的计算方法产生随机数的发生器 随机数发生器 数值随机化算法 数值随机化算法-计算PAI 假设所投入的点落入正方形的任一点的概率相等，则所投入的点落入圆内的概率为 当n足够大时， k与n之比就逼近这一概率，从而 数值随机化算法-计算PAI double Darts(int n) { static RandomNumber darts; //定义一个RandomNumber类的对象darts int k=0,i; double x,y; for( i=1;i=n;i++) { x=darts.fRandom(); //产生一个[0,1)之间的实数，赋给x y=darts.fRandom(); //产生一个[0,1)之间的实数，赋给y if((x*x+y*y)=1) k++; } return 4*k/double(n); } 数值随机化算法-计算定积分 设f(x)是[0,1]上的连续函数且0≤f(x)≤1，需要计算积分值 假设向单位正方形内随机投入n个点，如果有m个点落入G内，则I近似等于随机点落入G内的概率，即I≈m/n 数值随机化算法-计算定积分 double Darts(int n) { static RandomNumber dart; int k=0,i;double x,y; for( i=1 ;i=n;i++) { x=dart.fRandom ( ); //产生一个[0,1)之间的实数，赋给x y=dart.fRandom ( ); //产生一个[0,1)之间的实数，赋给y if(y=f(x)) k++; } return k/double(n); } 蒙特卡罗(Monte Carlo)算法 蒙特卡罗算法用于求问题的准确解。 用蒙特卡罗算法能求得问题的一个解，但这个解未必是正确的。求得正确解的概率依赖于算法所用的时间。 缺点：一般情况下，无法有效地判定所得到的解是否肯定正确。 6.3蒙特卡罗算法 设p是一个实数，且0.5p1。如果蒙特卡罗算法对于问题的任一实例得到正确解的概率不小于p，则称该算法是p正确的。 对于同一实例，蒙特卡罗算法不会给出两个不同的正确解，则称该算法是一致的。 而对于一个一致的p正确的蒙特卡罗算法，要想提高获得正确解的概率，只需执行该算法若干次，从中选择出现频率最高的解即可。 设蒙特卡罗算法是一致的p正确的。那么至少调用多少次蒙特卡罗算法，可以使得蒙特卡罗算法得到正确解的概率不低于 ？ 主元素问题 设T[1:n]是一个含有n个元素的数组。当|{i|T[i]=x}|n/2时，称元素x是数组T的主元素 Templateclass Type bool majority(Type T[], int n) // 判定主元素的蒙特卡罗算法 { RandomNumber rnd; int i=rnd.random(n)+1; //产生1~n之间的随机下标 Type x=T[i]; // 随机选择数组元素 int k=0; for (int j=1;j=n;j++) if (T[j]==x) k++; return (kn/2); //当 kn/2 时，T含有主元素 } bool majorityMC(Type T[], int n, double p) { // 重复次调用多次算法majority int k= (int) ceil(log()/log(1-p)); for (int i=1;i=k;i++) if (majority(T,n)) return true; return false; } 6.4 拉斯维加斯算法 设p(x)是对输入x调用拉斯维加斯算法获得问题的一个解的概率。一个正确的拉斯维加斯算法应该对所有输入x均有p(x)0。 在更强意义下，要求存在一个常数δ0，使得对问题的每一个实例x均有p(x)≥δ。 思考：给定一个拉斯维加斯算法，设p(x)是对输入x调用它获得问题的一个解的概率，s(x)和e(x)分别是算法对于具体实例x求解成功或失败所需的平均时间 ，算法找到具体实例x的一个解所需的平均时间是多少？ 6.4 拉斯维加斯( Las Vegas )算法 拉斯维加斯算法不会得不到正确的解。一旦用