评论

#casularm 发表于2006-04-19 14:04:00  IP: 218.104.71.*

动态规划算法与分治法类似,其基本思想是将戴求解问题分解成若干个子问题, 先求解子问题,然后从这些子问题的解得到原问题的解.

动态规划算法通常用于求解具有某种最优性质的问题.

使用动态规划算法求解的问题必须满足两个重要性质:
1.最优子结构性质
当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。
2.子问题重叠性质
使用递归算法自上向下求解时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。

动态规划算法的一个变形——备忘录方法
为求解过的每个子问题建立备忘录以备需要时查看，避免了相同的子问题的重复求解。

#casularm 发表于2006-04-19 14:13:00  IP: 218.104.71.*

贪心算法通过一系列的选择来得到一个问题的解。它所作的每一个选择都是当前状态下某种意义的最好选择，即贪心选择。希望通过每次所作的贪心选择导致最终结果是问题的一个最优解。

使用贪心算法求解的问题必须满足两个重要性质:
1、贪心选择性质
求解问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。
贪心算法所作的贪心选择可以依赖于以往所作过的选择，但决不依赖于将来所作的选择，也不依赖于子问题的解。
2、最优子结构性质
当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

一般情况下，即使贪心算法不能得到整体最优解，但其最终结果却是最优解得很好的近似解。

#casularm 发表于2007-11-15 11:42:33  IP: 218.22.21.*

条件概率：
P(A|B)表示事件B发生的条件下事件A发生的概率。
P(A|B)=P(AB)/P(B)

由此可知：
P(AB)=P(A|B)P(B)=P(B|A)P(A)

如果事件B不影响事件A则：
P(AB)=P(A)P(B)
称事件A与B是独立的

#casularm 发表于2007-11-15 13:11:21  IP: 218.22.21.*

Monte Carlo 方法亦称为随机模拟(Random simulation)方法，有时也称作随机抽样(Random sampling)技术或统计实验(Statistical testing)方法。它的基础思想是，为了求解数学、物理、工程技术以及生产管理等方面的问题，首先建立一个概率模型或随机过程，使它的参数等于问题的解，然后通过对模型或过程的观察或抽样试验来计算所求参数的统计特征，最后给出所求解的近似值，而解的精确度可用估计值的标准误差来表示。

#casularm 发表于2007-11-15 13:44:02  IP: 218.22.21.*

使用Monte Carlo方法处理的问题可以分为两类：
1、确定性的数学问题。用Monte Carlo方法求解这类问题的方法是，首先建立一个与所求解有关的概率模型，使所求的解就是我们所建立模型的概率分布或数学期望。然后对这个模型进行随机抽样观察，即产生随机变量。最后用其算数平均值最为所求解的近似估计值。计算多重积分、求逆矩阵、解线性代数方程组、解积分方程、解某些偏微分方程的边值问题和计算微分算子的特征值等都属于这一类。
2、随机性问题。例如中子在介质中扩散等问题就属于随机性问题，这是因为中子在介质浽不不仅受到某些确定性的影响，而且更多的受到随机性的影响。对于这类问题，虽然有时可表示为多重积分或某些函数方程，并进而可考虑用随机抽样方法求解，然而一般情况下都不采用这种间接模拟方法，而是采用直接模拟方法，即根据实际物理情况的概率法则，用电子计算机进行抽样试验。原子核物理问题、运筹学中的库存问题、随机服务系统中的排队问题、动物的生态竞争和传染病的蔓延等都属于这一类。

#casularm 发表于2007-11-15 13:49:04  IP: 218.22.21.*

应用Monte Carlo方法解决实际问题的过程中，大体上有如下几个内容：
1、对求解的问题建立简单而又便于实现的概率统计模型，使所求的解恰好是所建立模型的概率分布或数学期望。
2、根据概率统计模型的特点和计算实践的需要，尽量改进模型，以便减小方差和降低费用，提高计算效率。
3、建立对随机变量的抽样方法，其中包括建立产生伪随机数的方法和建立对所遇到的分布产生随机变量的随机抽样方法。
4、给出获得所求解的统计估计值及其方差或标准误差的方法。