随机化



0） 引论

随机是很有用的一个东西，先不去管什么随机化算法，至少随机数是个很好的东西，就像掷骰子，总可以帮组我们决定一些犹豫不决的并且无关紧要的事。在机器学习中，一般我们都是要在整个数据集中随机抽取一定的数据做训练，另外一些做测试，这样结果才能有说服力，这里也将用到了随机数。因此下面我们首先来讲解一下伪随机数发生器。

1） 伪随机数发生器

真正意义上的随机数是很难产生的，大多数的随机数都是伪随机数，伪随机数是可以计算出来的，并且它有一个周期。但是由于伪随机数拥有随机数的大部分统计性质，因此对于一般的应用，伪随机数就可以用于解决问题了，当然密码学除外，这个是要真的随机数的。

伪随机数发生器的原理是：

，其中M为质数，并且一般取1<=x0<M。

举个例子，如果M=11，A=7，x0=1，那么产生的伪随机数为：7,5,2,3,10,4,6,9,8,1,7,5,.......

这个随机数列的周期为10.

当然如果用上面的数计算随机数列的话，效果相当不好，因为周期太小，得不到几个随机数，因此我们要选择更好的数据，一般来说M要大，这样才能得到更长的周期。同时也要注意A的选取，因为A也会影响周期。

一般来说我们采用M=(2^31)-1 = 2147483647，这个是一个31位的质数，A=48271，这个A能使M得到一个完全周期

[cpp] view plain copy print ?

1. static unsigned long Seed = 1;  
2. define A 48271L  
3. define M 2147483647  
4.   
5. double Random(void)  
6. {  
7.     Seed = (A*Seed)%M;  
8.     return (double) Seed/M;  
9. }  

static unsigned long Seed = 1;
define A 48271L
define M 2147483647

double Random(void)
{
	Seed = (A*Seed)%M;
	return (double) Seed/M;
}

上面的代码产生的是（0,1）之间的随机数。这段代码由于乘法可能溢出，因此这个只具有理论意义，实际编程需要做一些改进

上面的算法产生的随机数还是有一个问题的，它无法产生重复的随机数。例如5,5,3,7,1这样的数列。

还有很多的随机数的算法利用的是下面的公式：

，这里C为奇数，同时如果数据选择不好的话，很有可能得到周期很短的随机数，例如

，如果我们去Seed=179424105的话，那么随机数的周期为1，也就失去了随机的意义。

在我们的生活中，人们经常会去掷色子来看结果，投硬币来决定行动，这就牵涉到一个问题：随机。

计算机为我们提供好了随机方法（部分计算器也提供了），那么对于有些具有瑕疵的算法，如果配上随机化算法的话，又是可以得到意想不到的结果。

定义

这种算法看上去是凭着运气做事，其实，随机化算法是有一定的理论基础的，我们可以想象，在[1,10000]这个闭区间里，随机1000次，随机到2这个数的几率是多大(约为0.001)，何况1000次的随机在计算机程序中仅仅是一眨眼的功夫。可以看出，随机化算法有着广阔的前景。只是由于随机化算法比较难于掌控，所以并不是很多人都接触过他，但肯定有很多人都听说过。

举例

例一

下面，我们就随机化问题，举一个例子：

一个长度在4..10的字符串中，需要判定是否可以在字符串中删去若干字符，使得改变后字符串符合以下条件之一：

（1）AAAA；（2）AABB；（3）ABAB；（4）ABBA。

例如：长度为6字符串“POPKDK”，若删除其中的“O”，“D”两个字母，则原串变为：“PPKK”，符合条件（2）AABB。

分析：

这道题很容易想到一种算法：运用 排列组合：枚举每4个字母，然后逐一判断。算法是可行的，但是如果需要题目中加上一句话：需要判断n个字符串，且n<=100000，那么这样的耗时是不能让人忍受 ①的，因为在枚举的过程中，是非常浪费时间的。

（ ①：这里是指信息学中要求算法的普遍运算时间为：1000ms）

所以这道题 有可能可以借助于随机化算法，下面我们来算一下在10个字符中取4个字符一共有多少种取法：C(4,10)=210。那么很容易得知，随机化算法如果随机300次，能得到的结果基本上就正确了(概率为1-(209/210)^300，约为0.76)，而随机时的时间消耗是O(1)，只需要判断没有随机重复即可，判重的时间复杂度也为O(1)，并且最多随机300次，这样就可以有效地得到答案，最大运算次数为：O(300n)，这是在计算机的承受范围内（1000ms）的。

从这里就能看出，随机化算法是一个很好的概率算法，但是它并不能保证正确，而且它单独使用的情况很少，大部分是与其他的算法：例如贪心、搜索等配合起来运用。

例二

排序问题。 快速排序是排序方法中较为便捷的方法之一，但是由于它极不稳定，最好的时候时间复杂度为O(n㏒n)，这里的㏒是指以2为底的对数运算。最坏的时候能达到与普通排序方法一样的O(n^2)。

而制约快速排序的有两个：一是数据，越无序的数据，快排的速度越快；二是中间点的枚举。

因为两个制约条件都与随机有着不可分开的关系。

所以，在快速排序中加入随机化算法无疑是十分重要的。

运用在：

（1）数据读入时，随机排放数据位置。

（2）中间点的枚举进行多次随机化后决定。

这样就基本上将快速排序的时间复杂度维持在最好状态。

srand和 rand()配合使用产生伪 随机数序列。 rand函数在产生随机数前，需要系统提供的生成伪随机数序列的种子，rand根据这个种子的值产生一系列随机数。如果系统提供的种子没有变化，每次调用rand函数生成的伪随机数序列都是一样的。srand(unsigned seed)通过参数seed改变系统提供的种子值，从而可以使得每次调用rand函数生成的伪随机数序列不同，从而实现真正意义上的“随机”。通常可以利用系统时间来改变系统的种子值，即srand(time(NULL))，可以为rand函数提供不同的种子值，进而产生不同的随机数序列.

Linux下随机函数在windows系统的实现

srand48和drand48是Unix库函数，drand48的作用是产生[0,1]之间均匀分布的随机数，采用了线性同余法和48位整数运算来产生伪随机序列

其中

函数用上面的算法产生一个48位的伪随机整数，然后再取出此整数的高32位作为随机数，然后将这个32位的伪随机数规划到[0,1]之间，用函数srand48来初始化drand48（),其只对于48位整数的高32位进行初始化，而其低16位被设定为随机值。

 1: #define MNWZ 0x100000000 

 2: #define ANWZ 0x5DEECE66D

 3: #define CNWZ 0xB16

 4: #define INFINITY 0xFFFFFFFFF

 5: 

 6: int labelsize;

 7: int dim;

 8: 

 9: static unsigned long long seed = 1;

 10: 

 11: double drand48(void)

 12: {

 13: seed = (ANWZ * seed + CNWZ) & 0xFFFFFFFFFFFFLL;

 14: unsigned int x = seed >> 16;

 15: return ((double)x / (double)MNWZ);

 16: }

 17: 

 18: //static unsigned long long seed = 1; 

 19: 

 20: void srand48(unsigned int i)

 21: {

 22: seed = (((long long int)i) << 16) | rand();

 23: }