8-1 随机算法计算机应用基础.pdf

概率计算 概率计算就是在算法中可采用随机选择计算的步骤、 元素或参数等。 它的基本特征是计算具有不确定性。 它的解也不一定是最优解。 它在很大程度上能降低算法的复杂度。 非标准算法中普遍应用概率方法，主要有： (1)直接用概率进行数值计算； (2)用概率/随机进行选择； (3)利用概率加速搜索或避免陷于局部最优。 直接用概率进行数值计算 设f(x)是[0, 1]上的连续函数， 1 求I =∫ f(x)dx。 0 y = f(x) 假设向单位正方形内随机投入 n个点(x , y ) ，若有m个点落入 i i G G中，则I≈m/n。 double Darts (int n) {double x, y; int k = 0; static RandomNumber dart; for (int i=1; i=n; i++) {x=dart.fRandom(); y=dart.fRandom(); if (y=f(x)) k++;} return k/double(n); } 划分基准的随机选择 在快速排序算法中，若用拟中位数作为划分标准， 可保证在线性时间内完成。但是确定拟中位数要付 出额外开销。若选用第一个元素为划分基准，最坏 2 时的时间复杂性为O(n )。 若在算法中采用随机选择一个元素作为划分标准， 便可既保证算法的线性时间平均性能，又避免了计 算拟中位数的麻烦。 也可先对数组进行“洗牌”，然后再进行确定的排 序算法。这样依然可取得同样的效果。 “洗牌”后的快速排序 void Shuffle(Type a[], int n) { //随机洗牌算法 static RandomNumber md; for (int i = 1; i n; i++) { int j = md.Random(n – i + 1) + i; Swap(a[i], a[j]); }} Void QuiksortByShuffle(Type a[], int n) { Shuffle(a, n); //将数组a洗牌 Quiksort(a, n); } 随机抽样 在n个元素的集合中随机抽取m(0m≤n)个 无重复的元素。为简单起见，假定所有元 素的值都位于1至n之间。 随机抽样 我们采用下面的方法进行选择： 1、首先将n个元素都标记为“未选择”； 2、重复下列步骤直到抽取了m个不同的元素 (1) 产生一个1至n间的随机数r ； (2) 如果r标记为“未选择”，将它标记为 “已选择”，并加入到抽样中。 随机抽样 int RandomSampling(S[n], A[m], m) { mark[1..n] = False; count=0; while(count m) { r = random(1, n); if (mark[r] False) { count++; A[count]=S[r]; mark[r]=True; }}} Las Vegas算法 Las Vegas算法的特点是随机性地进行决策。 例如对n后问题，Las Vegas算法是随机地产生一组王 后放置的位置。若成功了，便找到了一个解；若失 败了，就整个重来，再随机产生另外一组王后的位 置。这样作，直至找到解。 此算法能显著地改进算法的有效性，甚至对迄今为 止找不到有效算法的问题，也能得到满意的结果。