Summary of Random Algorithm Course
明天下午Random Algorithm 期末考试,再次总结下这门课程作为个人的再次复习。课程成绩包括平时的个人报告成绩以及最后的期末考试成绩。以下内容包括教材信息以及各章节的内容总结
刚刚考完,附上回忆版试题
Textbook
《Probability and Computing (Randomized Algorithms and Probabilistic Analysis)》 by Michael Mitzenmacher and Eli Upfal
Temporary Link:[download PDF]
Chapters of textbook
- Chapter 1 Events and Probability
这一章首先介绍了随机算法的概念,然后描述了两个使用了简单的随机算法的实例:验证代数恒等式(verifying algebraic identities) 和 在图中寻找最小割集(minimum cut-set in a graph), 在此过程中回顾了一些随机理论中的基本概念。 - Chapter 2 Discrete Random Variables and Expectation
- Chapter 3 Moments and Deviations
- Chapter 4 Chernoff Bounds
- Chapter 5 Balls, Bins and Random Graphs
- Chapter 6 The Probabilistic Methods
- Chapter 7 Markov Chains and Random Walks
试题(回忆版)
- 伯努利试验和泊松试验的定义 (Chapter 3、4)
- Markov不等式、Chebyshev不等式以及在泊松试验下的Chernoff界(Chapter 3、4)
- Jensen不等式(Chapter 2)以及一般形式的Lovasz局部引理(Chapter 6)
- 对于序列(1,2,…,n)进行置换,使得每个不同的序列出现的概率为1/n!。给出多项式算法并证明(随机序列索引并替换数字)
- 随机扔硬币(正面概率为p),正面输出1,否则输出0,输出的结果序列为b1b2… 如果bibi+1=01,输出1,若bibi+1=10,输出0,否则不输出,输出的结果序列为q1q2… 证明最后的输出序列中出现1和出现0的概率相等(Chapter 2)
- Markov Chain 的转移矩阵为 0 1 0 0 0 1 1 0 0 \begin{matrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 1 & 0 & 0 \\ \end{matrix} 001100010画出其状态转移图以及其 stationary distribution (Chapter 7)
- 两个赌徒A,B互相赌钱,分别有l1和l2的钱,双方每一局的获胜概率为1/2,每局获胜的人拿走失败的人的一块钱,问A最后赢得所有钱的概率是多少?并证明(Chapter 7)
- 图中的最小割集(Chapter 1)
a) 随机在图中选一条边属于最小割集的概率最小为?
b)每次随机选择图中的一条边并删掉,循环n-2次(n为顶点数),最后剩下两条边。此算法最终输出是最小割集的概率最小为?
c)上述算法至少重复运行多少次后,才能保证算法输出出现最小割集的概率大于1-1/n2 - MAX-SAT问题
a)证明对于一种赋值,值为True的字句数的期望E(S)大于7/8*m (m为字句数,每个字句的变量大于3个)
b)证明max{ E(S|x1=T), E(S|x1=F) }>E(S)
c)利用b,求出一种赋值