作业_huam.docVIP

算法设计——概率算法作业 姓名：胡嘉瑜 学号：S概率算法 二．源代码——概率算法 三．近似算法 一. 概率算法 Ex1. 若将y ← uniform(0, 1) 改为 y ← x, 则上述的算法估计的值是什么？ 答：k/n表示飞镖进入某一个区域内的概率，返回的值为4k/n。 因为：x ← uniform(0, 1)，y ← x，在x和y满足x2 + y2 ≤ 1时k++ 所以：当x= √2/2时k++。 k/n表示在总的n次中k自加的概率，这个概率就等价为x= √2/2的概率。而x在[0,1]之间 → x= √2/2的概率就为√2/2，即k/n=√2/2。 所以：此时返回值4k/n=2√2。 Ex2. 在机器上用 估计π值，给出不同的n值及精度。 原理：f(x)=√(1-x^2)，先使用概率算法求数字积分，之后将积分结果乘以4即为PI值。 输入：实验要使用的取值在[0,1]范围内的总点数 执行结果截图： Ex3. 设a, b, c和d是实数，且a ≤ b, c ≤ d, f:[a, b] → [c, d]是一个连续函数，写一概率算法计算积分： 注意，函数的参数是a, b, c, d, n和f, 其中f用函数指针实现，请选一连续函数做实验，并给出实验结果。 连续函数为：f(x)=x+4.0 输入：横坐标的范围[4,8]，纵坐标的范围 [0,12]（产生的点的纵坐标是[0,12]，函数值域为[8,12]）。 执行结果截图： EX4. 用上述算法，估计整数子集1~n的大小，并分析n对估计值的影响。 算法分析：不断从X={1,2,3，……n}中有放回的随机抽样，直到首次抽出重复元素为止，此时已经抽到的元素数目为K，则集合X的大小为：2K^2 / PI 。 算法的执行结果： 分析：在理论上当集合n越大时，估计集合大小的误差应该越小。但是可能是由于随机函数性能的问题，试验结果是随着n的增大，误差越来越大。 Ex. 分析dlogRH的工作原理，指出该算法相应的u和v 解： 算法首先使用函数u(a,b)将a随机化为c，之后使用确定性算法dlog(g,p,c)计算出随机化后的输入实例的计算结果y，最后使用函数v(y,r)将y恢复为以a为输入实例的计算结果。 Steps： 1. 产生一个随机值b 2. u(a,b)=ba mod p=c 3. dlog(g,p,c)= log g,p(c)=y 4. v(y,r)=(y-r) mod (p-1)=s s即为dlog(g,p,a)的值。 原理解释： 因为 log g,p(c)= log g,p(ab mod p)=[log g,p(a)+log g,p(b)] mod (p-1) y=[ log g,p(a)+log g,p(g^r mod p) ] mod (p-1) y=[ log g,p(a)+r )] mod (p-1) (0= r = p-2) log g,p(a)为输入实例为a的确定性算法的结果（即s）： s=log g,p(a)=(y-r) mod (p-1)，而(y-r) mod (p-1)即为函数v(y,r)。 使用u(a,b)=ba mod p将a随机化为c，之后使用v(y,r)=(y-r) mod (p-1)可以将y恢复为s，所以v和u可以实现：将输入实例a随机化为c之后，把以c为输入的确定性算法的结果恢复为以a为输入时确定性算法的结果。 Ex. 写一Sherwood算法C，与算法A, B, D比较，给出实验结果。 算法C：由于算法B是一个确定性算法（在[1,√n]中找小于等于x的最大的y），所以将算法B修改为一个随机算法。 修改方法为：将从确定的区间[1,√n]中找y，更改为在[1,n]中随机取出√n个值，在这√n值中找y。之后再使用确定性算法Search(x,y)查找x。 修改方法的正确性说明： 因为“若将val[1..n]中的n个整数看作是均匀随机分布的，则在val[1..L]中求y值就相当于：在n个整数中，随机地取L个整数，求这L个整数中不大于x的最大整数y。” 所以在数组val的子区间[1,√n]中寻找一个y就等价于在整个[1,n]中先选出√n个值、再在这些值中找一y。 因此将算法B中的在[1,√n]中找y---在[1,n]中随机取出√n个整数，在这√n个整数中找y，是正确的。 算法设计：在一个已知的静态链表array[NUM]={{5,1},{7,8},{3,4},{0,2},{4,0},{11,7},{17,9},{14,6},{9,5},{20,10},{21,12},{25,13},{23,11},{30,15},{34,-1},{31,14}}中，分别使用A 、B 、C、 D算法查找