算法导论-第5章

    这一章，说来说去，两件事情，1.概率分析。2.随机算法。

先把这个雇佣问题拿出来。

问题：有一批参与面试的人，你要一个个面试(面试每个人都要花费c1)，如果当前面试者比自己的助理能力强，则辞掉当前助理的，并把当前面试者提拔为助理(雇佣一个人要花费c2)，一直面试完所有人。

这里考虑的是面试所花的money，假设总共有N人参加面试，有M人被雇佣过，则花费O(N*c1 + M*c2)，因为参与面试的人员顺序是不确定的，所以要花费的money也是不确定的(N*c1是确定的，而M是不确定的，所以M*c2也是不确定的）。

1.概率分析。它是干什么的？它是为了设计高效算法而采用的一种数学分析方法，懂了吧

2.随机算法。它是什么？虽然我们知道，这个过程是随机的，但是，对方把名单一确定，那么这个过程本来花费已经确定了，而此时随机算法，就是干这个的，打乱顺序，就算你是随机的，我重新排序一个更随机的，用到的函数就是random（）。

顺便补充一下：5.2节的指示器随机变量就是用的高中学的期望，用期望来表示概率。

概率分析与随机算法之间的区别：

1.概率分析，这个是你假定这个过程是随机的各种可能都会有。是你以为！！！

2.随机算法，这个过程已经利用随机函数，重新排列，强制为是一种随机的排列，是帮你又随机做了一次。是告诉你我确实是随机！！！

比如按书上的，可以给每个人员随机生成一个优先级，或者把每一个面试人员与其后的面试人员中随机一员交换，来产生一个随机的序列。

最后又讲了4个问题。

1.生日悖论，结论是至少23个人在一个房间，才有50%概率是同一天出生

2.球与盒子，就是你要放满b个盒子，最少需要blnb次

3.序列，一个序列最长的期望就是lgn

4.在线雇佣升级版，这个是你面试了之后，马上做出选择，要还是不要他们，所以不需要面试全部人，能够节省花费，需要有个策略

a。假如有n个人，我前面k个人面试，只给他们打分，都不要

b。剩下的人中，第一个比前面面试的k个人中最高分还要高的，那么就要了

c。一直找不到比前面高的人，那么我就要最后一个人

就是这么3步策略

那么k如何选择？

经过复杂的推断，结论就是k=n/e的时候，概率最大的能成功雇佣到满意的人员。