第5章_概率分析和随机算法_算法分析与设计_杭电_褚一平.ppt

第5章 概率分析和随机 算法 第5章 概率分析和随机算法 本章简介 概率分析 指示器随机变量 随机算法 进一步应用 5.1雇用问题 雇用一名新的办公室助理，雇用代 理每天给你推荐一个应聘者，面试 和雇用都需要费用，但雇用的费用 更高，预测费用 策略：假设应聘者编号为1到n，面试 完应聘者i之后，如果i是你见过的最 适当人选，则雇用i 5.1雇用问题 HIRE-ASSISTANT(n) 1 best ← 0 ? candidate 0 is a least-qualified dummy candidate 2 for i ← 1 to n 3 4 5 6 do interview candidate i if candidate i is better than candidate best then best ← i hire candidate i 5.1雇用问题 关心的不是运行时间，而是费用，但分析 技术是一样的 记面试费用为ci，雇用费用为ch，则总费 用为O(nci + mch) 应聘者数量固定为n，所以只需要分析 mch，这个量在算法的每次执行中都会改 变 5.1雇用问题 最坏情况分析 应聘者以资质递增顺序出现 雇用了n次，总费用O(nch) 概率分析 不能得知出现顺序也不能控制 假设随机顺序出现，亦即每种出现顺序是等可 能的，然后分析算法，计算出一个期望的运行 时间 实际上是将所有可能数据的运行时间平均 rank(1), rank(2),?rank(n)是序列1,2,?n 的一个排列，n！种可能，等概率出现 5.1雇用问题 随机算法 许多情况下，输入分布并不可知或无法建模 通过控制输入，强加随机次序 假设雇佣代理有n个应聘者，而且事先给我们一份应聘 者的名单，每天我们随机选择其中一个来面试。==我们 控制了应聘者的来到过程并强加了随机次序，而不是依 赖于随机次序到达这个猜测。 如果一个算法的行为不只是由输入决定，同时也由随机 数生成器所产生的数值决定，则称这个算法是随机的。 Random(a,b)返回一个a与b之间的整数，而每个整数出 现的机会相等。 大多数编程环境都提供一个伪随机数生成器，它是一个 确定性的算法，但是其返回值看起来是统计上随机的。 { }I A = ? 5.2指示器随机变量 定义 给定一个样本空间S和事件A，那么事件A对应的指 示器随机变量 I {A} 定义为 引理(Lemma5.1) 给定样本空间S和S中的事件A，令XA = I{A}，则 E[XA]= Pr{A} 证明：由定义，有 其中ā表示A的补S ?A 即：事件A对应的指示器随机变量的期望值等于 事件A发生的概率 ? 如果A发生的话 ? 如果A不发生的话 E[ X A ] = E[ I{ A}] = 1* Pr{ A} + 0* Pr{ ā} = Pr{ A} X H = I{Y = H } = ? 5.2指示器随机变量 [例]确定在抛一枚均匀硬币时正面朝上的 期望次数 样本空间为S = {H, T }，定义随机变量Y，取值 H和T的概率各为1/2，则： ? ? 如果H 发生 如果T 发生 抛硬币时正面朝上的期望次数就是XH的期望 值： E[ X H ] = E[ I{Y = H }] = 1* Pr{Y = H } + 0* Pr{Y = T } = 1*(1/ 2) + 0*(1/ 2) = 1/ 2 X = ?X i E[ X ] = E[? i i ] = ?/ 2 = n / 2 X ] = ?E[ X 5.2指示器随机变量 计算抛n次硬币时正面朝上的次数 令指示器随机变量Xi为第i次抛硬币时正面朝上 的事件，随机变量X标示n次抛硬币中出现正 面的总次数， 于是： n i =1 n n n i =1 i =1 i =1 X i = I{第i位应聘者被雇用} = ? 由于假设顺序随机，所以前i个任何一个等可 能的是目前最有资格的，因此E[Xi]=1/i ? ? 第i位应聘者被雇用 否则 x 5.2指示器随机变量 利用指示器随机变量分析雇用问题 离散随机变量X的期望值：E[ X ] =