第4讲概率算法2011.ppt

1 概率算法 (算法设计与分析) 清华大学出版社 2 1. 故事：想象自己是神化故事的主人公，你有一张不易懂的地图，上面描述了一处宝藏的藏宝地点。经分析你能确定最有可能的两个地点是藏宝地点，但二者相距甚远。假设你如果已到达其中一处，就立即知道该处是否为藏宝地点。你到达两处之一地点及从其中一处到另一处的距离是5天的行程。进一步假设有一条恶龙，每晚光顾宝藏并从中拿走一部分财宝。假设你取宝藏的方案有两种： §1.1 引言 3 方案1. 花4天的时间计算出准确的藏宝地点，然后出发寻宝，一旦出发不能重新计算 方案2. 有一个小精灵告诉你地图的秘密，但你必须付给他报酬，相当于龙3晚上拿走的财宝 Prob 1.1.1 若忽略可能的冒险和出发寻宝的代价，你是否接受小精灵的帮助？ 显然，应该接受小精灵的帮助，因为你只需给出3晚上被盗窃的财宝量，否则你将失去4晚被盗财宝量。 但是，若冒险，你可能做得更好！ §1.1 引言 4 设x是你决定之前当日的宝藏价值，设y是恶龙每晚盗走的宝藏价值，并设x9y 方案1：4天计算确定地址，行程5天，你得到的宝藏价值为：x-9y 方案2：3y付给精灵，行程5天失去5y，你得到的宝藏价值为：x-8y 方案3：投硬币决定先到一处，失败后到另一处(冒险方案) 一次成功所得：x-5y，机会1/2 二次成功所得：x-10y，机会1/2 §1.1 引言 }期望赢利：x-7.5y 5 2. 意义 该故事告诉我们：当一个算法面临某种选择时，有时随机选择比耗时做最优选择更好，尤其是当最优选择所花的时间大于随机选择的平均时间的时侯 显然，概率算法只能是期望的时间更有效，但它有可能遭受到最坏的可能性。 6 3. 期望时间和平均时间的区别 确定算法的平均执行时间 输入规模一定的所有输入实例是等概率出现时，算法的平均执行时间。 概率算法的期望执行时间 反复解同一个输入实例所花的平均执行时间。 因此，对概率算法可以讨论如下两种期望时间 平均的期望时间：所有输入实例上平均的期望执行时间 最坏的期望时间：最坏的输入实例上的期望执行时间 7 4. 例子 快速排序中的随机划分 要求学生写一算法，由老师给出输入实例，按运行时间打分，所有学生均不敢用简单的划分，运行时间在1500-2600ms，三个学生用概率的方法划分，运行时间平均为300ms。 8皇后问题 系统的方法放置皇后(回溯法)较合适，找出所有92个解 O(2n)，若只找92个其中的任何一个解可在线性时间内完成O(n)。 随机法：随机地放置若干皇后能够改进回溯法，特别是当n较大时 8 5. 概率算法的特点 (1) 不可再现性 在同一个输入实例上，每次执行结果不尽相同，例如 N-皇后问题 概率算法运行不同次将会找到不同的正确解 找一给定合数的非平凡因子 每次运行的结果不尽相同，但确定算法每次运行结果必定相同 (2) 分析困难 要求有概率论，统计学和数论的知识 9 基本特征 随机决策 在同一实例上执行两次其结果可能不同 在同一实例上执行两次的时间亦可能不太相同 分类 Numerical, Monte Carlo, Las Vegas, Sherwood. 很多人将所有概率算法(尤其是数字的概率算法)称为Monte Carlo算法 §1.2 概率算法的分类 10 数字算法 随机性被最早用于求数字问题的近似解 例如，求一个系统中队列的平均长度的问题，确定算法很难得到答案 概率算法获得的答案一般是近似的，但通常算法执行的时间越长，精度就越高，误差就越小 使用的理由 现实世界中的问题在原理上可能就不存在精确解 例如，实验数据本身就是近似的，一个无理数在计算机中只能近似地表示 精确解存在但无法在可行的时间内求得 有时答案是以置信区间的形式给出的 §1.3 数字概率算法 11 这类算法主要用于找到一个数字问题的近似解 §1.3.1 π值计算 实验：将n根飞镖随机投向一正方形的靶子，计算落入此正方形的内切圆中的飞镖数目k。 假定飞镖击中方形靶子任一点的概率相等(用计算机模拟比任一飞镖高手更能保证此假设成立) 设圆的半径为r，面积s1= πr2, 方靶面积s2=4r2 由等概率假设可知落入圆中的飞镖和正方形内的飞镖平均比为： 由此知： §1.3 数字概率算法 12 求π近似值的算法 为简单起见，只以上图的右上1/4象限为样本 Darts (n) { k ← 0; for