其他算法-两大随机采样方法简介

对于随机采样算法，在采样不全时，通常不能保证找到最优解，只能尽量找。根据搜索的方式，可以把随机算法分成两类：

• 蒙特卡罗方法（Monte Carlo Simulation）：采样越多，越近似最优解；
• 拉斯维加斯方法（Las Vegas）：采样越多，越有机会找到最优解；

注意蒙特卡罗方法，是一类随机方法的统称，拉斯维加斯方法也一样；

举个例子，假如筐里有100个苹果，目标是找最大的苹果，每次只允许闭眼拿1个。于是首先随机拿1个，再随机拿1个跟它比，留下大的，再随机拿1个，依次进行；每拿一次苹果，留下的苹果都至少不比上次的小。拿的次数越多，挑出的苹果就越大，除非拿100次，否则无法肯定地说已经挑出了最大的那一个。这个挑选苹果的模拟，就属于蒙特卡罗方法——尽量找好的，但不保证是最好的；

而拉斯维加斯算法，则是另一种情况。假如有一把锁，给了100把钥匙，只有1把是正确的。于是每次随机拿1把钥匙去试，打不开就再换1把。尝试的次数越多，打开锁（找到最优解）的机会就越大，但在打开之前，那些错的钥匙都是没有用的。这个试钥匙的过程，就是拉斯维加斯方法——尽量找最好的，但不保证能找到