数值概率算法

在解决设计问题时,有时会用到概率算法。概率算法允许在执行过程中随机的选择下一步的计算步骤。又是可使算法大大降低复杂度，提高算法效率，但有时也可能得不到问题的全部答案。

基本概念

概率算法大致分为4类：熟知概率算法，蒙特卡洛算法，拉斯维加斯算法，舍伍德算法。这里首先介绍一下最基础的数值概率算法。
数值概率算法常用于解决数值计算的问题。该算法往往只能得到问题的近似解，并且该计算解的精度一般随着计算时间的增加而不断提高。

计算定积分

例：设f（x）=1-x^2，计算定积分I=$\int_0^1f(x)dx$的值。

分析：要计算定积分的值的几何含义就是f（x）与x轴y轴所围得面积（设为阴影）。又因为x，y轴所围的面积为1，所以随机点落入阴影的概率（在上下线所围成的区域内）即为定积分的近似解。
假设向单位正方形中随机投入n个点（$x_i$，$y_i$）i=1,2,3,…n。随机点是否落入阴影区域内，可由$y_i$<=f($x_i$)=1-$x_i^2$来判断。如果有m个点落入阴影，则概率p=m/n。

---

程序如下：

#include"stdio.h"
#include"math.h"
#include"stdlib.h"
#include"time.h"

double Darts(int n)
{
       double x,y;
       time_t t;
       int i,count=0;
       srand((unsigned)time(&t));         
       for(i=0;i<n;i++)
       {
              x=rand()%100/100.0;         //将x，y控制在（0，1）内
              y=rand()%100/100.0;
              if(y<=1-pow(x,2))
                     count++;
       }
       return (double)count/(double)n;
}

main()
{
     int n;
     printf("Please input the accuracy\n");
     scanf("%d",&n);
     printf("The result is about\n");
     printf("%f\n",Darts(n));
     getche();
}

程序分析：
应用函数srand（）和rand（）产生随机数，用系统时间产生随机数的种子，这里每次产生的随机数都不一样。因为函数rand（）产生的随机数返回值为整数，因此在这里先产生100以内的随机数（rand（）%100），再将它除以100.0，可得到双精度的[0，1]内的随机数点。试验投点的个数由函数Darts的参数n决定，n越大，投点个数越多，精度越高。

rand（）和srand（）：

因为rand的内部实现是用线性同余法做的，他不是真的随机数，只是因为其周期特别长，所以有一定的范围里可看成是随机的，rand()会返回一随机数值，范围在0至RAND_MAX 间。在调用此函数产生随机数前，必须先利用srand()设好随机数种子，如果未设随机数种子，rand()在调用时会自动设随机数种子为1。rand()产生的是假随机数字，每次执行时是相同的。（当开机那一刻rand（）所产生的随机数就是定了的）若要不同，以不同的值来初始化它。初始化的函数就是srand()。

表头文件：
#include”stdlib.h”
函数原型：
void srand ((unsigned int) seed);
int rand(void)