概率分析与随机算法.pptx

概率分析与随机算法;算法分析与输入分布;运行时间;概率分析与随机算法;雇用问题;雇用问题;分析：最坏情况;概率分析;概率分析;概率分析;随机算法;随机算法;随机算法;概率分析与随机算法;指示器随机变量;Simple example;复杂一点的例子;指示随机变量;雇用问题分析;;;概率分析与随机算法;随机算法;雇用问题;雇用问题;随机排列数组;(1) Permute-by-sorting 设数组 A = 1, 2, … , n） 为每个元素 A[i] 分配一个随机数 P[i] 作为其优先权，然后依据这些优先权对数组 A 进行排序。 若初始数组A=1,2,3,4, 随机选取的优先权为P=36,3,97,19, 则排序后得到B=2,4,1,3;正确性证明思路： 固定一个排列A[1…n]，Permute-By-Sorting算法输出A[1...n]意味着A[1…n]的优先权刚好按由小到大排列 排序后，数组第一个元素A[1]是优先权最小的元素，所有元素成为优先权最小元素的概率一致(=1/n) 数组第二个元素A[2]是剩下n-1个元素中优先权最小的，每个元素成为A[2]的概率为1/(n-1)。。。;正确性: 定义Ei为A[i]分配到第i小优先权的事件，则A[1…n]为排序后产生排列的概率为 由条件概率性质，上式等于 在A[1,..i-1]优先权确定后，A[i]优先权是剩下元素中最小的概率： 因此A[1…n]刚好按优先权排序的概率为;30;正确性: 给定一个包含 n 个元素的集合, 一个 k-排列是指一个包含其中k个元素的序列。 K-排列的个数为 n!/(n-k)! 定理 RANDOMIZE-IN-PLACE 产生一个均匀随机排列. 证明 利用循环不变式:在第 i 次迭代之前，对 (i-1)-排列， A[1 .. i-1]选取任意一个(i-1)-排列的概率为(n-i+1)!/n! ? ; 循环不变式: A[1 .. i-1]包含一个(i-1)-排列的概率为(n-i+1)!/n! ? 初始条件：对i=1，A[1…0]包含某个0-排列的概率为 n!/n!=1 ，其中A[1…0] 为空子列，0-排列则是不包含任何元素的序列 归纳步骤：假设第 i 次迭代前，设(i-1)-排列 A[1 .. i-1] 中，任一排列发生的概率为 (n-i+1)!/n! ，则需证明在第i 次迭代后，任一 i-排列 的概率为(n-i)!/n! 考虑一个特殊的i-排列R=x1, x2, … , xi，其中包含一个(i-1)-排列x1, x2, … , xi-1，算法在A[i]放置xi 令事件E1表示算法实际输出 (i-1)-排列R’为A[1 .. i-1] ，根据循环不变量， Pr{E1}=(n-i+1)!/n! 令事件E2表示第 i 次迭代后输出 A[i] 为xi ，则当且仅当E1 和 E2同时发生时我们得到 i-排列 R 为A[1 .. i]，其概率为Pr{E2∩E1} = ? ; 循环不变式: A[1 .. i-1]包含一个(i-1)-排列的概率为(n-i+1)!/n! ? 初始条件：对i=1，A[1…0]包含某个0-排列的概率为 n!/n!=1 ，其中A[1…0] 为空子列，0-排列则是不包含任何元素的序列 归纳步骤：假设第 i 次迭代前，设(i-1)-排列 A[1 .. i-1] 中，任一排列发生的概率为 (n-i+1)!/n! ，则需证明在第i 次迭代后，任一 i-排列 的概率为(n-i)!/n! 根据条件概率：Pr{E2∩E1} = Pr{E2|E1} Pr{E1} . 给定E1的条件下，A[i]有n-i+1种取法，取到xi的概率为1/(n-i+1)，即Pr{E2|E1} = 1/(n-i+1) 因此 ; 循环不变式: A[1 .. i-1]包含一个(i-1)-排列的概率为(n-i+1)!/n! ? 初始条件：对i=1，A[1…0]包含某个0-排列的概率为 n!/n!=1 ，其中A[1…0] 为空子列，0-排列则是不包含任何元素的序列 归纳步骤：假设第 i 次迭代前，设(i-1)-排列 A[1 .. i-1] 中，任一排列发生的概率为 (n-i+1)!/n! ，则需证明在第i 次迭代后，任一 i-排列 的概率为(n-i)!/n! 终止：终止时，i=n+1, A[1…n]是一个给定n-排列的概率为(n-(n+1)+1)!/n! = 1/n! 该算法又称为Fisher–Yates shuffle或者Knuth Shuffle 思考1：Inside-Out算法 思考2：如何从n个元素里随机选k个，使得任意k个元素出现的概率一样？（数据流，未知n） ;概率分析与随机算法;在线雇用问题;在