算法合集之浅谈随机化思想在几何问题中及应用.docVIP

感受随机的美 ——浅谈随机化思想在几何问题中的应用 广东省中山一中 顾研 摘要 近几年来，可以使用随机化来解决的几何题目越来越多。本文将着重介绍两种在信息学竞赛中常见的随机几何算法：随机增量法与模拟退火法，以及和传统方法的比较，说明了随机化思想的优势。 关键字 随机化 随机增量算法 模拟退火算法 调整 目录 摘要 1 关键字 1 目录 1 正文 3 1 随机算法简介 3 1.1 数值概率算法 3 1.2 拉斯维加斯（Las Vegas）算法 3 1.3 蒙特卡罗（Monte Carlo）算法 3 1.4 舍伍德（Sherwood）算法 4 2 随机增量算法 5 2.1 增量算法 5 2.2 随机增量算法的一个例子 5 2.2.1 张角法 6 2.2.2 改进算法 6 2.3 随机增量算法的应用 8 2.3.1 蛮力算法 9 2.3.2 切割线段算法 10 2.3.3 随机增量算法 12 3 模拟退火（Simulated Annealing）算法 14 3.1 模拟退火算法介绍 14 3.1.1 模拟退火算法的原理 14 3.1.2 模拟退火算法的模型 14 3.2 例一：Run Away 14 3.3 例二：Empire strikes back 17 3.4 例三：激光坦克 19 3.5 小结 24 4 总结 24 感谢 25 参考文献 25 附录 25 附录1 蒙特卡罗抽样的步骤 25 附录2 2.2.2定理的证明 26 附录3 论文原题 28 附录3 参考程序 31 联系方式 31 正文 1 随机算法简介 1.1 数值概率算法 ?的值时。 数值概率算法不是本文的重点，这里仅作简单介绍。有兴趣的同学可自行研究。 1.2 拉斯维加斯（Las Vegas）算法 Mammoth Hunt：给出平面上的n个点，找一条n-1段的折线将点连接起来，并且相邻两段折线的夹角是锐角。我们可以先任意生成一条折线，并且按一定规则进行调整，直到满足要求。 2 随机增量算法 2.1 增量算法 增量法（Incremental Algorithm）的思想与第一数学归纳法类似，它的本质是将一个问题化为规模刚好小一层的子问题。解决子问题后加入当前的对象。写成递归式是： 增量法形式简洁，可以应用于许多几何题目中。 2.2 随机增量算法的一个例子 增量法的优势在于它是线性递增的，代码实现通常比较简单，但是时间复杂度相对比较高，尤其在ACM/ICPC竞赛中，一个极限数据很容易成为算法的瓶颈，导致TLE。因此，增量算法往往结合舍伍德算法的思想（随机），成为“随机增量算法”，在一大类问题中大大改进了平均情况下的时间复杂度。 在增量算法中加入舍伍德算法（随机化），我们要做两件事： 给出一个高效的随机洗牌算法。这个问题不复杂，以下代码就可以以线性的时间复杂度得到一个1~n的随机排列。（记录在数组O中。） 计算随机化后种等概率的顺序的时间复杂度的数学期望的平均值。这个问题将在引例中讨论。 引例：最小外接圆（经典问题） 题目描述： 已知平面上n个点的坐标，求能够覆盖所有的点的最小圆。 分析： 本节主要讨论随机增量算法，仅在张角法前提下分析一些随机增量算法的性质。 2.2.1 张角法 ），设上方最小的张角为，下方最小的张角为，则当时，△或△的外接圆可以覆盖所有的点。特别地，当时ABCD四点共圆。 可以看到，该算法的时间复杂度为，并且是一个确定性算法。 2.2.2 改进算法 我们用表示题目中的点。考虑使用增量算法，令，则代表相对于的最小外接圆。 定理：设，有： 若，则；（这个非常显然。） 若，则必然落在的边界上。 （ii）部分“看起来”就是正确的。但是证明部分却不是那么容易。当然这个证明不是本节的重点，有兴趣的同学可以参看附录2。 因此我们很容易设计出基于定理的算法，每次插入 时判断其是否属于，不属于则枚举和，并用张角进行判断。 如果不使用随机化，复杂度依然是的（图2）。如果我们使用上文所描述的洗牌算法将中元素的顺序打乱，复杂度如何呢？ 取随机变量，若，则，否则。算法在*处一共需要的时间。因此，整个最小外接圆的算法复杂度就是 为了界定上述和式的期望值，我们需要利用期望的线性率（linearity of expectation）：一组随机变量总和的期望值，等于这些随机变量各自期望值的总和，即便其中的随机变量不是相互独立的，也依然满足这个性质。因此，总的运行时间的期望值为 而是多少呢？它等于的概率。但是这个问题比较棘手。 正难则反，我们从反方向看待这个问题。对于，在它的边界上的概率是多少呢？是由中的3个点构成的，恰好是的概率则为，即。因此该算法的时间复杂度就为 最后再次声明一点，这里所指出的“期望”，是相对于洗牌算法所给出的随机的顺序而言的，