厦门大学---算法分析——6.ppt

算法设计与分析;概率算法;概率算法的主要类型;数值概率算法;蒙特卡罗算法;舍伍德算法;提纲;提纲;随机数;线性同余法;随机序列的产生与实验;提纲;通过实例学习数值概率算法; 用随机投点法计算π值 计算定积分 解非线性方程组 ;用随机投点法计算π值; 用随机投点法计算π值 计算定积分 解非线性方程组 ;计算定积分;用随机投点法计算定积分;用平均值法计算定积分;;满足概率分布函数f(x)的要求;算法实现; 用随机投点法计算π值 计算定积分 解非线性方程组 ;解非线性方程组;利用概率算法求解;算法改进;概率算法在求解非线性方程组时，虽然有些耗时，但实际应用中还是比较有效的，对于那些精度要求较高的问题，概率算法往往会为其提供一个较好的初始值。 算法实现过程参看教材249;提纲;舍伍德算法;;;实例说明; 线性时间选择 跳跃表 ;线性时间选择;Select算法分析;Select算法分析;考虑这种情况：无论n是奇数还是偶数，T(n/2)都出现2次;结论; 线性时间选择 跳跃表 ;跳跃表;２;如何进行搜索？;如何在该跳跃表中搜索元素８？;有序链表?跳跃表;存在的问题;随机算法的引入;２;附加指针的平衡性;解决方案;随机生成新插入结点的级别;跳跃表的算法实现;提纲;拉斯维加斯算法;效率分析;实例说明; Ｎ后问题 整数因子分解 ;Ｎ后问题;被忽视的问题细节;算法实现;解决方案;随机放置皇后数对算法效率的影响; Ｎ后问题 整数因子分解 ;整数因子分解;用于整数因子分割的split算法;分析;Pollard算法;花絮;提纲;蒙特卡罗算法;知识点;知识点;基本概念;偏真蒙特卡罗算法;偏y0蒙特卡罗算法;分析;;;每一次调用MC(x)都产生错误解ｙ，但发生这种情况的概率(1-p)k;总结;知识点; 主元素问题 素数测试 ;主元素问题;public static boolean majority(int [ ]t,int n) { 　rnd = new Random(); int i = rnd.fRandom(); int x=t[i];//随机选择数组元素 int k=0; for(int j=1;i=n;j++) if(t[j]=x) k++; return(kn/2);//kn/2时，含有主元素 };改进——重复调用２次; 主元素问题 素数测试 ;素数测试;费尔马小定理;二次探测定理;提纲;本章小结;本章作业;下一章内容