抽象的概率分析和随机算法的辨析心得

摘要：本篇以雇佣问题为基础简单介绍一下随机算法

随机算法中需要涉及到的就是对输入的概率分析，通过概率得到一个平均的或者是期望的运行时间。设计一个大多数情况下好用的算法。

雇佣问题：现在我们要雇佣一名办公助理，每天我们面试一个人，并要付出代价$Cn$， 确定雇佣要花费更大的代价$Ch$，我们决策：任何时候找最合适的人来担任这项职，即若来者比现任者更合适，就辞掉现任雇佣当前的。现在我们想估算一下该费用会是多少？

如果我们假设每天来的面试者是随机顺序出现的（未知并不代表随机），这一假设意味着这n个人出现的分布是n!中的等概率的一种。由此我们可以算的平均情况的雇佣代价（平均情况运行时间）。

但是要是这个假设不成立怎么办呢？通常我们需要再了解一下输入的信息，假设我们知道n个人的名单，但是除此之外一无所知（他们的能力并不知道），而且我们能够选择每天的面试者，则我们可以通过改变输入的顺序，增强随机性来计算代价，通常我们通过随机数生成器来随机输入的顺序，这样得到结果叫期望雇佣代价（期望运行时间）。这种算法叫做随机算法。

随机算法和之前对输入的概率分析有以下不同：

1. 我们不是假定一个分布，而是设定一个分布，对于输入的分布其实没什么区别，即：没有一个输入会导致特别差的运行结果，也没有一个输入能保证特别好的运行结果，通常我们得到的是基于概率的期望值。
2. 随机算法是对输入进行（顺序）随机设定，但是算法本身是确定的。
3. 对于同一个输入，同一个随机算法，每次输出的值（得到的代价）可能不一样。当且仅当随机生成器生成一个“很差”的分布时运行情况才会很差。（这样的概率是很小的）

现在我们对随机算法有了一个感性的认识，不妨介绍两种让输入随机的方法：

4. 先为每个输入生成一个随机加权，然后进行排序，得到一个随机序列（$n\ast lnn$）。
5. 原址排序，每次从未挑选的输入中随机选择一个，得到一个随机序列。

最后可以尝试求解一下雇佣问题，它的期望运行代价是$Ch\ast lnn$.