《算法设计和分析》第11章.pptVIP

算法设计与分析 第3部分 求解困难问题 第11章 随机算法 11.1 ? 基本概念 11.1.1 随机算法概述 11.1.2 随机数发生器 11.1.3? 随机算法分类 11.2 拉斯维加斯算法 11.2.1 标识重复元素算法 11.2.2 性能分析 11.3 蒙特卡罗算法 11.3.1 素数测试问题 11.3.2 伪素数测试 ?11.3.3 米勒-拉宾算法 11.3.4 性能分析 11.4 舍伍德算法 11.4.1?随机快速排序算法 11.4.2 舍伍德算法的其它应用 【程序11－4】素数测试的蒙特卡罗算法 bool MillerRabin(int n,int alpha) { int q=n-1; for (int i=1;i=alpha*log(n);i++){ int a=rand()%q+1; if(Witness(a,n)) return false; } return true; } 定理 11－4 假定n是一个奇合数，在0an的整数中，至少有（n-1）/2个整数a 能够正确鉴别n的合数性。 定理11－5 Miller-Rabin算法给出错误结果的概率不超过n－?。 若一个确定算法有很好的平均时间性能，但对某些实例该算法的效率较低，则可考虑在算法中引入随机性，将其改造成一个舍伍德型算法，使得该算法对任何实例均有效。舍伍德算法旨在消除或减少问题的实例之间在运行时间上的差异。 快速排序的最坏情况时间复杂度为 O(n2)，其平均情况时间复杂度为O(nlogn)。分析可知当待排序的序列已经递增或递减有序时，快速排序产生最坏情况时间。改进的方法是增加在分划元素选择上的随机性。快速排序的舍伍德算法只是在前面讨论的确定算法中，增加随机选择分划元素的做法。舍伍德算法不改变原有算法的平均时间。 DeSign and Analysis of Algorithms In C++ “十一五”国家级规划教材 陈慧南 编著 电子工业出版社 11.1 基本概念 11.2 拉斯维加斯算法 11.3 蒙特卡罗算法 11.4 舍伍德算法 一个随机算法（randomized algorithm）是指需要利用随机数发生器的算法，算法执行的某些选择依赖于随机数发生器所产生的随机数。 伪随机数序列发生器 最简单的可使用线性同余法（linear congruential method）产生，即 式中，m＞0，0?a＜m，0?c＜m，0?d＜m。m是模，a是乘数，c是增量，d称为该随机序列的种子。当a, c, m 给定后，不同的d将产生不同的随机数序列。 设a=3,c=7m=127,d=2,则有 (13,46,18,61,63,69,87,14,49,27,88,17,……) 随机算法通常分成4类：数值随机算法，蒙特卡罗算法，拉斯维加斯算法和舍伍德算法。 数值随机算法（numerical randomized algorithm）用于求数值问题的近似解。 蒙特卡罗算法 不保证所求得的解是正确的，也就是说，蒙特卡罗算法求得的解有时是错误的。不过，由于可以设法控制这类算法得到错误解的概率，并因它的简单高效，是很有价值的一类随机算法。一般情况下，蒙特卡罗算法求得正确解的概率随计算时间的增加而增大。但无论如何不能确保解的正确性，而且通常无法有效地判断所求得的解究竟是否正确，这是蒙特卡罗算法的缺陷。 拉斯维加斯算法 求得的解总是正确的，但有时拉斯维加斯算法可能始终找不到解。使用拉斯维加斯算法求解同一问题的同一实例，能够得到相同的结果，但算法的执行时间会不一样。一般情况下，求得正确解的概率随计算时间的增加而增大。因此，为了减少求解失败的概率，可以使用一个拉斯维加斯算法对同一实例，重复多次执行该算法。 舍伍德算法（Sherwood-algorithm） 总能求得问题的正确解。当一个确定性算法在最坏情况下的计算复杂度与其在平均情况下的计算复杂度两者相差较大时，可以在这个确定算法中引入随机性将它改造成一个舍伍德算法，用来消除或减少问题的不同实例之间这种在计算时间上的差别。舍伍德算法的精髓不是避免算法的最坏情况行为，而是设法消除这种最坏行为与特定实例之间的关联性。 随机算法有时也称概率算法（probabilistic algorithm），但也有人