第五章 概率分析和随机算法

5.1雇佣问题

面试一个人需要花费ci，雇佣一个人需要花费ch。当面试者比现有员工优秀时，就要雇佣他。因此伪代码为：
Hire-assistant（n）
1 best = 0
2 for i = 1 to n
3 interview candidate i
4 if candidate i is better than candidate best
5 best = i
6 hire candidate i
假设雇佣m个人，则总花费： cin+chm
最坏情况需要花费：cin+chn
由于总会面试n个人，因此只讨论，雇佣的情况

5.2 指示器随机变量

给定一个样本空间S和一个事件A，那么事件A对应的指示器随机变量I{A}定义为：
I{A} = { 1 如果A发生
0 如果A不发生
引理5.1 给定一个样本空间S和S中的一个事件A，设X_A = I{A}，那么E[X_A] = Pr{A}.

分析雇佣问题：
C.20 离散随机变量X的期望值是E[X] = Σx·Pr{X=x}
A.7
应聘者i被雇佣的概率为1/i
E[X_i] = 1/i
E[X] = E[Σ~i=1 to n_Xi~]
= Σ~i=1 to n_E[Xi~]
= Σ~i=1 to n~1/i
=ln n+O(1)

引理5.2 假设应聘者以随机次数出现，算法总的雇佣费用平均情形下为O（ch*lnn）

5.3 随机算法

  要使随机发生在算法上，而不是在输入的分布上。给定一个输入，随机选择执行的顺序。
  伪代码为：

Hire-assistant-random（n）
1 randomly permute the list of candidates
2 best = 0
3 for i = 1 to n
4 interview candidate i
5 if candidate i is better than candidate best
6 best = i
7 hire candidate i

引理5.3 过程Hire-assistant-random的雇佣费用的期望是O(ch*ln n)

随机排列数组
给定一个数组A，包含元素1到n。目标是狗仔这个数组的一个随机排列。

1.为数组的每个元素A[i]赋一个随机的优先级P[i]，然后根据优先级对数组A中的元素进行排序。花费Θ(nlgn)

permute-by-sorting（A）
1 n = A.length
2 let P[1…n] be a new array
3 for i =1 to n
4 P[i]= random(1, n³)
5 sort A, using P as sort keys

选1-n³, 是为了让P中所有的优先级尽可能都唯一。

引理 5.4 假设所有优先级都不同，则过程 permute-by-sorting 产生输入的均匀随机排列。

2. 原址排列给定数组，在O(n)时间内完成。在进行第i 次迭代时，元素A[i]是从元素A[i]到A[n]中随机选取的。第i次迭代以后，A[i]不再改变。
   Randomize-in-place（A）
   1 n = A.length
   2 for i = 1 to n
   3 swap A[i] with A[random(i,n)]
   引理5.5 过程 Randomize-in-place 可计算出一个均匀随机排列。

5.4 四个例子

生日悖论
对屋子里k个人中的每一对（i，j），对1<=i<j<=k，定义指示器随机变量X_ij如下：
X_ij=I{i和j生日相同} = {1 如果i和j生日相同
0 其他
Pr{i和j生日相同} = 1/n
由引理5.1 E[X_ij] = Pr{i和j生日相同} = 1/n
设X表示生日相同的两人成对的数目
X=Σi=1 to kΣj=i+1 to k X_ij
E[X]=E[Σi=1 to kΣj=i+1 to k X_ij] = Σi=1 to kΣj=i+1 to k E[X_ij] = k*(k-1)/2n
因此，k*(k-1) >=2n时，E[X]>=1.求得k = 28
渐近阶数为Θ（√n）

球与箱子
把相同的球随机投到b个箱子里，每次投球都是独立的，每一次投球，球可能落在每一个箱子中，球落在任意一个箱子中的概率为1/b。

1. 如果投n个球，落在指定箱子里的数目为n/b
2. 平均意义下，需要投b个球，才能在给定的箱子里投中一个球
3. 要投n次球，才能使每个箱子里至少有一个球 （n个伯努利实验，几何分布）
   成功的概率为(b-i+1)/b
   E[n_i] = 1/[(b-i+1)/b] = b/(b-i+1)
   E[n] = E[Σ~i=1 to b_ni~] = Σ~i=1 to b_E[ni~] = Σ~i=1 to b~( b/(b-i+1)) = b Σ~i=1 to b~(1/i) = b(lnb+O(1))
   n>=blnb

特征序列
假设抛硬币n次，最长连续正面的序列的期望长度为Θ（lgn）

在线雇佣问题
面试后要么直接雇佣，要么直接拒绝，只雇佣一次，如何在最小化面试次数和最大化应聘者质量之间取得平衡？

策略：选择正整数k<n，拒绝前k个人，再雇佣后面比前k个有更高分数的第一个应聘者，如果最优的出现在前k个人中，那么雇佣第n个人。

当k=n/e时，至少1/e的概率成功雇佣到最好的应聘者。