算法分析与设计第十三讲第十四讲随机算法及实例分析.pdf

算法分析与设计 第十三、十四讲 随机算法及实例分析 1 主要内容 随机算法的基本思想 Las Vegas算法 Monte Carlo算法 随机算法实例 2 随机数 随机序列 概率相等(均匀随机) 不可预测 不可重现 在目前的计算机中 无法产生真正的随机数，因此在随机算法中使用的 随机数都是一定程度上随机的，即伪随机数 产生伪随机数的方法 • 线性同余法，…… 3 确定性算法 输入确定 则对这个特定输入的每次运行过程是可重 复的，运行结果是一样的 比如，对于输入6,4,5,8,9,3 ，正确的插 入排序算法对这个输入，每次的运行过程 是一样的，运行结果也是一样的 4 随机算法的基本思想 Randomized Algorithms (随机算法) Probabilistic Algorithms (概率算法) 引入了随机因素 在随机算法中 不要求算法对所有可能的输入均正确计算 只要求出现错误的可能性小到可以忽略的程度 另外也不要求对同一输入，算法每次执行时给出相 同的结果 5 随机算法的特点 有不少问题，目前只有效率很差的确定性 求解算法，但用随机算法去求解，可以 （很快地）获得相当可信的结果 6 随机算法的应用领域 随机算法在分布式计算、通信、信息检索、 计算几何、密码学等许多领域都有着广泛 的应用 最著名的是在公开密钥体系、RSA算法方 面的应用 7 随机算法的种类 通常可分为两类 Las Vegas算法 Monte Carlo算法 8 Las Vegas算法 在少数应用中，可能出现求不出解的情况 但一旦找到一个解，这个解一定是正确的 在求不出解时，需再次调用算法进行计算， 直到获得解为止 对于此类算法，主要是分析算法的时间复 杂度的期望值，以及调用一次产生失败 （求不出解）的概率 9 Monte Carlo算法 通常不能保证计算出来的结果总是正确的， 一般只能断定所给解的正确性不小于p （1/2＜p ＜1） 通过算法的反复执行（即以增大算法的执 行时间为代价），能够使发生错误的概率 小到可以忽略的程度 由于每次执行的算法是独立的，故k次执 行均发生错误的概率为(1-p)k 10 Monte Carlo算法 对于判定问题（回答只能是“Yes”或 “No ”） 带双错的（two-sided error）: 回答”Yes”或”No”都 有可能错 带单错的（one-sided error）：只有一种回答可能错 Las Vegas算法可以看成是单错概率为0的