第7章+概率算法-2018-all.ppt

****注意到，在一个完全跳跃表中，具有i级指针的结点中有一半同时具有i+1级指针。为了维持跳跃表的平衡性，可以事先确定一个实数0p1，并要求在跳跃表中维持在具有i级指针的结点中同时具有i+1级指针的结点所占比例约为p。为此目的，在插入一个新结点时，先将其结点级别初始化为0，然后用随机数生成器反复地产生一个[0，1]间的随机实数q。如果qp，则使新结点级别增加1，直至q?p。*其中n是当前跳跃表中结点个数。当前跳跃表中任一结点的级别不超过求得的解总是正确的，但有时拉斯维加斯算法可能始终找不到解。一般情况下，求得正确解的概率随计算时间的增加而增大。因此，为了减少求解失败的概率，可以使用一个拉斯维加斯算法对同一实例，重复多次执行该算法。拉斯维加斯型概率算法的一个显著特征是，它所做的随机性选择有可能导致算法找不到问题的解，即算法运行一次，或者得到一个正确的解，或者无解。因此，需要对同一输入实例反复多次运行算法，直到成功地获得问题的解。但是，拉斯维加斯型概率算法的随机特性可以接受失败，只要这种行为出现的概率不占多数。当出现失败时，只要在相同的输入实例上再次运行概率算法，就又有成功的可能。**蒙特卡罗(MC)算法：每次调用都给出一个解，且一般情况下可以保证对问题的所有实例都以高概率给出正确解，但是通常无法判定一个具体解是否正确。该法用于求问题的准确解(或者说是精确解而不是近似解)，但不保证所求得的解是正确的，也就是说，蒙特卡罗算法求得的解有时是错误的。不过，由于可以设法控制这类算法得到错误解的概率，并因它的简单高效，是很有价值的一类随机算法。一般情况下，蒙特卡罗算法求得正确解的概率随计算时间的增加而增大。但无论如何不能保证解的正确性，而且通常无法有效地判断所求得的解究竟是否正确，这是蒙特卡罗算法的缺陷。*若A中有一半以上的元素与x相同，就称x是数组A的主元素。例如：在序列1，3，2，3，3，4，3中，元素3就是该序列的主元素。*关键是怎么去选a的问题**应在跳跃表的哪些结点增加附加指针，以及在该结点处应增加多少指针完全采用随机化方法来确定。这使得跳跃表可在O(logn)平均时间内支持关于有序集的搜索、插入和删除等运算。*在一般情况下，给定一个含有n个元素的有序链表，可以将它改造成一个完全跳跃表，使得每一个k级结点含有k+1个指针，分别跳过2k-1，2k-1-1，…，20-1个中间结点。第i个k级结点安排在跳跃表的位置i*2k处，i?0。这样就可以在时间O(logn)内完成集合成员的搜索运算。在一个完全跳跃表中，最高层次的结点是?logn?级结点。*完全跳跃表与完全二叉搜索树的情形非常类似。它虽然可以有效地支持搜索运算，但不适应于集合频繁动态变化的情况。集合元素的插入和删除都会破坏完全跳跃表原有的平衡状态，影响日后搜索的效率。*跳跃表*跳跃表产生新结点的级别为0的概率为1-p，级别为1的概率为p(1-p)，…，级别为i的概率为pi(1-p)。如此产生的新结点的级别有可能是一个很大的数，甚至远远超过表中元素的个数。为了避免这种情况，用作为新结点级别的上界。*7.4拉斯维加斯(LasVegas)算法拉斯维加斯算法可以改进算法的有效性，它的显著特征是所作的随机性决策有可能导致算法找不到所需的解，因此需要反复运行，直到获得解为止。templateclassV,classUvoidobstinate(Vx,Uy){//反复调用拉斯维加斯算法LV(x,y)，//直到找到问题的一个解ybooleansuccess=false;while(!success)success=lv(x,y);}*假设p(x)是对输入x调用拉斯维加斯算法获得解的概率。一个正确的拉斯维加斯算法应该对所有输入x均有p(x)0。在某些情况下，可以指定一个δ，使得p(x)δ。7.4拉斯维加斯(LasVegas)算法*实例分析：n皇后问题对于n皇后问题的任何一个解，每一个皇后在棋盘上的位置无任何规律，不具有系统性，而更如同随机放置，由此容易联想到采用拉斯维加斯算法。在棋盘的各行中随机地摆放皇后棋子，并保证新摆放的棋子不会与已摆放的棋子产生冲突，直至n个皇后都摆放好，或没有可摆放的位置为止。*算法——八皇后问题1.将数组x[8]初始化为0；试探次数count初始化为0；2．for(i=1;i=8;i++)2.1产生一个[1,8]的随机数j；2.2coun