概率算法总结

一、分类

1）数字算法

利用随机性求数字问题的近似解，概率算法获得的答案是近似的，通常执行时间越长，精度就越高，误差就越小。

举例：Pi值的估计；数字积分（计算定积分的值）；概率计数（求集合X的势）

2）Sherwood算法

总是给出正确的答案。减少消除好的和坏的实例之间的差别，即平滑不同输入实例的执行时间。比起确定性算法A，概率算法B为取得均匀性增加了时间成本S(n)，所以平均的执行时间略微增加。

举例：选择和排序（划分元的选取）；随机预处理；搜索有序表

3）Las Vegas算法

比起Sherwood，Las Vegas算法一般能获得更有效率的算法，但是要冒着找不到解的风险，要么返回正确的解，要么随机决策导致一个僵局。

和Monte Carlo算法相同，成功的概率随着执行时间的增加而增加。

举例：8皇后问题；模p平发根；整数的因数分解

4）Monte Carlo算法

可能会返回错误的答案，对任何实例均以高概率找到正确解。随着重复次数的增加，正确概率增加。算法的时间表示为实例大小和可接受错误概率的函数。

有偏算法：偏真算法(true-biased)、偏y0算法

举例：主元素问题；素数测定；矩阵乘法验证