(精选)算法设计与分析Ch1 概率算法课件.ppt

算法设计与分析 ;Ch.1 概率算法; 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！; 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; 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 判断大整数是否为素数 确定算法无法在可行的时间内判断一个数百位十进制数是否素数，否则密码就不安全。 概率算法将有所作为：若能接受一个任意小的错误的概率 ;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;6. 本章约定 随机函数uniform，随机，均匀，独立 设a，b为实数，ab, uniform(a, b) 返回x，a ≤ x b ② 设i，j为整数，i≤j, uniform(i, j)=k, i ≤ k ≤ j ③ 设X是非空有限集， uniform(X) ∈ X ;例1：设p是一个素数，a是一个整??满足1≤ap， a模除p的指数(index)是满足ai≡1(mod p)的最小正整数i。它等于集合X={aj mod p | j ≥ 1}的势，即i=|X|。 例如，2模除31的指数等于5：25 mod 31=1, X={21 mod 31, 22 mod 31, 23 mod 31, 24 mod 31, 25 mod 31}; 5模除31的指数是3，即53 mod 31 = 1, 3模除31的指数是30。 由费马(Fermat)定理(ap-1 ≡1(mod p))可知，a模p的指数总是恰好整除p-1. 例如，设p=31，若a=2，则30÷5=6； 若a=5，则30÷3=10。 因此，X中的j至多为p-1，由此可得一种在X中随机，均匀和独立地取一个元素的算法。;ModularExponent(a, j, p){ //求方幂模s=aj mod p, 注意先求aj可能会溢出 s ← 1; while j0 do { if (j is odd) s ← s·a mod p; a ← a2 mod p; j ← j div 2; } return s; } Draw (a, p) { // 在X中随机取一元素 j ← uniform(1..p-1); return ModularExponent(a, j, p); // 在X中随机取一元素 };伪随机数发生器 在实用中不可能有真正的随机数发生器，多数情况下是用伪随机数发生器代替。 大多数伪随机数发生器是基于一对函数： S: X → X, 这里X足够大，它是种子的值域 R: X → Y, Y是伪随机数函数的值域 使用S获得种子序列：x0=g, xi=S(xi-1), i0 然后使用R获得伪随机序列：yi=R(xi), i ≥ 0 该序列必然是周期性的，但只要S和R选的合适，该周期长度会非常长。 TC中可用rand()和srand(time), 用GNU C更好;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